python - 带有 Pandas 的 REGEX 过滤器(任何数字组合后跟 'plus' 符号)

Question

我有一个名为 df 的 Pandas 数据框，其中包含以下 3 列:id、creation_date 和 email。

我想返回 email 列包含任何严格数字组合(必须严格为数字)后跟“加号”然后是任何内容的所有行.

例如:
- 1345677+@gmail.com, 2345678+556@gmail.com 符合我的标准。
- Testing+22@gmail.com 和 test223+22@gmail.com 不会，因为它们在“加号”之前包含非数字字符。

我知道 df.email.str.contains('\+') 不会工作，因为它会返回包含“加号”的所有内容。我试过 df.filter(['email'], regex=r'([^0-9])' % '\+', axis=0) 但它抛出了一条错误消息读取 TypeError:在字符串格式化期间并非所有参数都已转换。

谁能给个建议？

非常感谢!

Answer 1

您可以使用contains，但match应该足够了:

# example data
data = ["1345677+@gmail.com", "2345678+556@gmail.com", 
        "Testing+22@gmail.com", "test223+22@gmail.com"]
df = pd.DataFrame(data, columns=["email"])

df
                   email
0     1345677+@gmail.com
1  2345678+556@gmail.com
2   Testing+22@gmail.com
3   test223+22@gmail.com

现在使用匹配:

df.email.str.match("\d+\+.*")

0     True
1     True
2    False
3    False
Name: email, dtype: bool

注意 contains 和 match 之间的区别，来自文档:

contains
analogous, but less strict, relying on re.search instead of re.match