带有Pandas的REGEX过滤器（任何数字组合后跟'加号'）

Question

我有一个名为df的Pandas数据框，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，后跟一个“加号”，然后是任何内容。

例如：
- 1345677+@gmail.com，2345678+556@gmail.com符合我的标准 - Testing+22@gmail.com和test223+22@gmail.com不会，因为它们在“加号”前包含非数字字符。

我知道df.email.str.contains('\+')无效，因为它会返回包含“加号”符号的所有内容。我曾尝试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。

有人可以提供建议吗？

非常感谢！

Answer 1

您可以使用contains，但match就足够了：

# 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

请注意文档中的contains和match之间的区别：

  

<强>包含
  类似但不太严格，依赖于re.search而不是re.match

Answer 2

试试这个：

df.email.str.contains('^\d+\+\@')

分解正则表达式：

^确保我们从电子邮件字符串的开头

开始

\d+仅捕获数字（数字）字符1到很多次

\+转义加号以确保匹配

\@转义@并确保之前匹配的加号出现在@

之前的电子邮件末尾

Answer 3

由于您的组合后跟+，后面可能跟着数字，您可以尝试使用以下正则表达式。

正则表达式： (?:\d+\+?)+@[a-z]+\.[a-z]+

<强>解释

• (?:\d+\+?)+符合您的digit``+模式。

• [a-z]+\.[a-z]+将与剩余部分匹配。

<强> Regex101 Demo

Answer 4

正则表达式：^\d+\+\d*@\S+

<强>详情：

^在行的开头声明位置

\d+匹配一个数字（等于[0-9]）

\+匹配字符+字面

\d*匹配一个数字（等于[0-9]），*量词 - 零和无限次之间的匹配

@匹配字符@

\S+匹配任何非空格字符

Regex demo