Question

我有一个大型数据文件，我需要删除以某些字母结尾的行。

以下是我正在使用的文件示例：

User Name     DN
MB212DA       CN=MB212DA,CN=Users,DC=prod,DC=trovp,DC=net
MB423DA       CN=MB423DA,OU=Generic Mailbox,DC=prod,DC=trovp,DC=net
MB424PL       CN=MB424PL,CN=Users,DC=prod,DC=trovp,DC=net
MBDA423       CN=MBDA423,OU=DNA,DC=prod,DC=trovp,DC=net
MB2ADA4       CN=MB2ADA4,OU=DNA,DC=prod,DC=trovp,DC=netenter code here

我正在使用的代码：

from pandas import DataFrame, read_csv
import pandas as pd
f = pd.read_csv('test1.csv', sep=',',encoding='latin1') 
df = f.loc[~(~pd.isnull(f['User Name']) & f['UserName'].str.contains("DA|PL",))]

如何使用正则表达式语法删除以“DA”和“PL”结尾的单词，但请确保我不删除其他行，因为它们中包含“DA”或“PL”？

它应该删除行，我最终会得到一个这样的文件：

User Name     DN
MBDA423       CN=MBDA423,OU=DNA,DC=prod,DC=trovp,DC=net
MB2ADA4       CN=MB2ADA4,OU=DNA,DC=prod,DC=trovp,DC=net

删除前3行，因为它们以DA和PL结束。

Answer 1

您可以使用此表达式

df = df[~df['User Name'].str.contains('(?:DA|PL)$')]

它将返回所有不以DA或PL结尾的行。

?:是括号不会捕获任何内容。否则，您会看到pandas返回以下（无害）警告：

UserWarning: This pattern has match groups. To actually get the groups, use str.extract.

或者，使用endswith()并且没有正则表达式，可以使用以下表达式实现相同的过滤：

df = df[~df['User Name'].str.endswith(('DA', 'PL'))]

正如所料，没有正则表达式的版本会更快。一个简单的测试，由big_df组成，由原始df的10001份副本组成：

# Create a larger DF to get better timing results
big_df = df.copy()

for i in range(10000):
    big_df = big_df.append(df)

print(big_df.shape)

>> (50005, 2)

# Without regular expressions
%%timeit
big_df[~big_df['User Name'].str.endswith(('DA', 'PL'))]

>> 10 loops, best of 3: 22.3 ms per loop

# With regular expressions
%%timeit
big_df[~big_df['User Name'].str.contains('(?:DA|PL)$')]

>> 10 loops, best of 3: 61.8 ms per loop

Answer 2

你可以使用一个布尔掩码来检查User_Name的最后两个字符是否在一组两个字符结尾中不在~中：

>>> df[~df.User_Name.str[-2:].isin(['DA', 'PA'])]
  User_Name                                                 DN
2   MB424PL    CN=MB424PL, CN=Users, DC=prod, DC=trovp, DC=net
3   MBDA423      CN=MBDA423, OU=DNA, DC=prod, DC=trovp, DC=net
4   MB2ADA4  CN=MB2ADA4, OU=DNA, DC=prod, DC=trovp, DC=nete...

Answer 3

您可以使用endswith()方法检查字符串是否以特定模式结尾，而不是regular expressions。

即：

for row in rows:
    if row.endswith('DA') or row.endswith('PL'):
        #doSomething

您应该使用过滤后的数据创建另一个df，然后使用pd.to_csv()保存文件的干净版本。

Python：如何删除以某些字符结尾的行？

3 个答案: