如何在 pandas df 列的条件子集中使用 endswith() 中的正则表达式？

Question

我想在数据框中 Sender name 列的条件子集中使用 .endswith() 或正则表达式。

Dataframe df 有两列 Sender email，Sender name 我将使用它们来定义子集规则，select 来自特定商店和特定的所有邮件本店邮箱：

df = df[(df["Sender name"]=="Shop_name"]) & (df["Sender email"]=="reply@shop.com")]

• 但是后来我发现还有来自buy@shop.com,noreply@shop.com等的邮件。有什么办法可以把这些邮箱整齐地引入到类似*@shop.com第二个条件?

• 我尝试使用 endswith()，但无法弄清楚如何使其适用于 series 对象。我发现我可以先用列中的所有邮件形成一个列表，然后用 pd.Series.isin 检查发送邮件服务器是否在其中。但也许那里有更优雅的东西？

Answer 1

将 Series.str.endswith or Series.str.contains 与正则表达式一起使用 - $ 用于字符串结尾，并通过 \ 转义 . ，因为 . 是特殊的正则表达式值 - 任何字符：

df1 = df[(df["Sender name"]=="Shop_name"]) & (df["Sender email"].str.endswith("@shop.com"))]

或者：

df1 = df[(df["Sender name"]=="Shop_name"]) & (df["Sender email"].str.contains("@shop\.com$"))]

Answer 2

使用.query

因为 pandas >= 0.25.0 我们可以使用 .query 和 pandas 方法 (.eq & str.endswith) 并使用反引号 (`) 查询列名带空格：

df.query('`Sender name`.eq("Shop_name") & `Sender email`.str.endswith("@shop.com")')

输出

       Sender email Sender name
2    reply@shop.com   Shop_name
3      buy@shop.com   Shop_name
4  noreply@shop.com   Shop_name

使用的示例数据框：

# Example dataframe
df = pd.DataFrame({'Sender email':['ex@example.com', 'ex2@example.com', "reply@shop.com", "buy@shop.com", "noreply@shop.com"],
                   'Sender name': ['example', 'example', 'Shop_name', 'Shop_name', 'Shop_name']})

       Sender email Sender name
0    ex@example.com     example
1   ex2@example.com     example
2    reply@shop.com   Shop_name
3      buy@shop.com   Shop_name
4  noreply@shop.com   Shop_name