python-3.x - 使用 Pandas 过滤具有多个值的单元格中的字符串

Question

我正在使用 Pandas 使用 str.contains() 过滤数据框，但我的逻辑正在删除我可能想要保留给字符串的值。我不知道如何使用 Pandas 来解决这个问题。

我正在使用的 Excel 工作表中的示例单元格如下所示:

案例 #1:不要因为有不同的收件人 bob@gmail.com 而标记它

Recipient
---------
joe@work.com, bob@gmail.com, sally@work.com

案例2:标记此为因为每个收件人都包含@ work.com

Recipient
---------
mike@work.com, taylor@work.com, barbra@work.com

我有一种情况，如果出现特定值，我只需要它来过滤。
例如，如果“收件人”包含电子邮件 joe@work.com，请删除此值。但是，如果收件人列包含“joe@work.com, bob@gmail.com”(是的，值以逗号分隔，就像在单个单元格中一样。)并保留它。最终，此数据框将从最终报告中删除。所以我想删除只包含@work.com 的所有内容，但如果它包含@gmail.com、@work.com，则不要删除。

即使收件人列包含“gmail.com”，下面的查询也会删除所有内容

df['EMAIL10'] = df['Type'].str.contains('Email') & df['Type'].str.contains(
                'Tracking | Data') & df[
                                'Recipient'].str.contains('@work.com') 

让我知道是否需要澄清

Answer 1

您可以创建一个 bool 掩码，指示 all 单独的单词是否包含 '@work' 。

首先，split 将每个单词放入一个单独的单元格中，explode 将把它变成一个大系列，索引复制并指向原始 DataFrame 的索引。 .str.contains 检查您的条件，all(level=0) 检查原始数据帧中一行中的每个单词是否为真。

import pandas as pd

df = pd.DataFrame({'col': ['joe@work.com, bob@gmail.com, sally@work.com', 
                           'mike@work.com, taylor@work.com, barbra@work.com']})

df['all_work'] = df['col'].str.split(', ').explode().str.contains('@work').all(level=0)

print(df)
                                               col  all_work
0      joe@work.com, bob@gmail.com, sally@work.com     False
1  mike@work.com, taylor@work.com, barbra@work.com      True

为了说明，在 split 和 explode 之后，我们有:

df['col'].str.split(', ').explode()

 0       joe@work.com 
 0      bob@gmail.com   # Each item split separately
 0     sally@work.com
 1      mike@work.com
 1    taylor@work.com
 1    barbra@work.com
#|
#Index corresponds to Index of the original DataFrame