Python-根据部分字符串匹配在数据框中保留行

Question

我有2个数据框：df1是邮箱和电子邮件ID的列表df2显示已批准域的列表

我从Excel工作表中读取了两个数据框

    xls = pd.ExcelFile(input_file_shared_mailbox)
    df = pd.read_excel(xls, sheet_name = sheet_name_shared_mailbox)

我只想将记录保留在df1中，其中df1 [Email_Id]包含df2 [approved_domain]

    print(df1)  
        Mailbox Email_Id  
    0   mailbox1   [email protected]  
    1   mailbox2   [email protected]  
    2   mailbox3   [email protected]  

    print(df2)  
        approved_domain  
    0   msn.com  
    1   gmail.com  

而且我想要df3基本上显示

    print (df3)  
        Mailbox Email_Id  
    0   mailbox1   [email protected]  
    1   mailbox3   [email protected]  

这是我现在拥有的代码，我认为它很接近，但是我无法弄清楚语法中的确切问题

df3 = df1[df1['Email_Id'].apply(lambda x: [item for item in x if item in df2['Approved_Domains'].tolist()])]

但是出现此错误

TypeError: unhashable type: 'list'

我花了很多时间在论坛上研究解决方案，但是找不到我想要的东西。感谢所有帮助。

Answer 1

解决方案

df1 = {'MailBox': ['mailbox1', 'mailbox2', 'mailbox3'], 'Email_Id': ['[email protected]', '[email protected]', '[email protected]']}
df2 = {'approved_domain':['msn.com', 'gmail.com']}

mailboxes, emails = zip( # unzip the columns
    *filter( # filter 
        lambda i: any([  # i = ('mailbox1', '[email protected]')
            approved_domain in i[1] for approved_domain in df2['approved_domain']
        ]),
        zip(df1['MailBox'], df1['Email_Id']) # zip the columns
    )
)

df3 = {
    'MailBox': mailboxes, 
    'Email_I': emails
}
print(df3)

输出：

> {'Email_ID': ('[email protected]', '[email protected]'), 'MailBox': ('mailbox1', 'mailbox3')}

一些注意事项：

此代码的大块基本上只用于解析数据结构。仅在此处进行压缩和解压缩才能将列列表转换为行列表，然后再转换回行列表。如果已经有了行列表，则只需要执行过滤部分

Answer 2

因此，这是您要对两个数据框执行的操作所需的步骤

1。将您的email_address列拆分为两个单独的列

df1['add'], df1['domain'] = df1['email_address'].str.split('@', 1).str

2。然后放下添加列以保持数据框干净
      df1 = df1.drop('add',axis =1)

3。通过在“域”列中选择与“ approved_doman”列不匹配的任何值来获取仅具有所需值的新数据框
      df_new = df1[~df1['domain'].isin(df2['approved_domain'])]

4。在“ df_new”中删除“域”列
      df_new = df_new.drop('domain',axis = 1)
这将是结果
    mailbox     email_address
1   mailbox2    [email protected]
2   mailbox3    [email protected]