如何在pandas df列的条件子集中使用endswith()中的regexp

Question

我想在我的dataframe中使用 .endswith()或regexp在 Sender name列的条件子集中。

dataFrame df有两列Sender email，Sender name，我将用来定义子集规则，以选择来自特定商店的所有邮件和此商店的特定电子邮件：

df = df[(df["Sender name"]=="Shop_name"]) & (df["Sender email"]=="[e-mail]")]

• ，但后来我发现[e-mail]，[e-mail]等也有邮件。是否有任何方法可以将所有这些邮箱整齐地引入第二个条件下的*@shop.com？

• 我尝试使用endswith()，但无法弄清楚如何使其适用于series对象。我发现我可能会首先与列中的所有邮件一起列出列表，然后检查是否使用pd.Series.isin在其中发送邮件。但是也许那里有一些更优雅的东西？

Answer 1

使用 Series.str.endswith或 Series.str.contains与正则 $进行字符串结束，也可以通过 逃脱 .，因为 .是特殊的正则正值 - 任何字符 - 任何字符：

>

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

或：

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

Answer 2

使用 .query

由于pandas >= 0.25.0，我们可以将.query与PANDAS方法(.eq＆amp; str.endswith(一起使用，然后使用Backtick(`(与空格查询列名：

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

输出

       Sender email Sender name
2    [e-mail]   Shop_name
3      [e-mail]   Shop_name
4  [e-mail]   Shop_name

使用的示例数据框：

# Example dataframe
df = pd.DataFrame({'Sender email':['[e-mail]', '[e-mail]', "[e-mail]", "[e-mail]", "[e-mail]"],
                   'Sender name': ['example', 'example', 'Shop_name', 'Shop_name', 'Shop_name']})
       Sender email Sender name
0    [e-mail]     example
1   [e-mail]     example
2    [e-mail]   Shop_name
3      [e-mail]   Shop_name
4  [e-mail]   Shop_name