我正在尝试从模糊匹配列表中项目的数据框中删除值。
我有一个数据框 (test_df)，如下所示:
id email created_at
0 1 son@mail_a.com 2017-01-21 18:19:00
1 2 boy@mail_b.com 2017-01-22 01:19:00
2 3 girl@mail_c.com 2017-01-22 01:19:00
我有一个包含数百个电子邮件域的列表，我正在从一个 txt 文件中读取这些域，如下所示:
mail_a.com
mail_d.com
mail_e.com
我试图从数据框中删除包含匹配电子邮件域的任何行，使用:
email_domains = open('file.txt', 'r')
to_drop = email_domains.read().splitlines()
dropped_df = test_df[~test_df['email'].isin(to_drop)]
print(test_df)
所以，结果应该是这样的:
id email created_at
0 2 boy@mail_b.com 2017-01-22 01:19:00
1 3 girl@mail_c.com 2017-01-22 01:19:00
但是带有“son@mail_a.com”的第一行没有被删除。有什么建议么？
请您参考如下方法:
从电子邮件中解析域名非常容易，所以我们可以先使用 .str.split('@') 解析域名，然后使用 isin()方法:
In [12]: df[~df.email.str.split('@').str[1].isin(domains.domain)]
Out[12]:
id email created_at
1 2 boy@mail_b.com 2017-01-22 01:19:00
2 3 girl@mail_c.com 2017-01-22 01:19:00
哪里:
In [13]: domains
Out[13]:
domain
0 mail_a.com
1 mail_d.com
2 mail_e.com
