带有 Pandas 的 REGEX 过滤器（任何数字组合后跟“加号”）

Question

我有一个 Pandas 数据框，df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（必须是严格数字）的所有行，后跟“加”号，然后是任何内容。

例如：
- 1345677+@gmail.com，2345678+556@gmail.com将符合我的标准。
-Testing+22@gmail.com并且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('\+')这行不通，因为它会返回包含“加”号的所有内容。我试过了，df.filter(['email'], regex=r'([^0-9])' % '\+', axis=0)但它抛出了一条错误消息，内容为TypeError: not all arguments converted during string formatting.

任何人都可以建议吗？

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match：

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

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

请注意contains和match, 从文档中的区别：

包含
类似的，但不那么严格，依赖于 re.search 而不是 re.match