pandas笔记（三）-- 查找有效邮箱的用户（正则表达式应用）

题目描述

一个有效的电子邮件具有前缀名称和域，其中：

1. 前缀 名称是一个字符串，可以包含字母（大写或小写）, 数字, '_', '.', 和破折号'—', 前缀名必须以字母开头
2. 域名 为'@leetcode.com'

编写一个解决方案，以查找具有有效电子邮件的用户, 以任何顺序返回结果表。

测试用例

输入

user_id	name	mail
1	Winston	winston@leetcode.com
2	Jonathan	jonathanisgreat
3	Annabelle	bella-@leetcode.com
4	Sally	sally.come@leetcode.com
5	Marwan	quarz#2020@leetcode.com
6	David	david69@gmail.com
7	Shapiro	.shapo@leetcode.com

输出

user_id	name	mail
1	Winston	winston@leetcode.com
3	Annabelle	bella-@leetcode.com
4	Sally	sally.come@leetcode.com

解析

本题的核心在于确定有效表达式的匹配规则, 并写出相应的正则表达式。值得一提的是，在pandas库中自带match()方法支持正则表达式匹配, 无需import re

正则表达式由三部分组成，即前缀、主题和域名

• 前缀以字母开头, 即 ^[a-zA-Z]
• 主体可以包含字母, 数字, '_', '.', '—', 即[a-zA-Z0-9_.—]
• 域名为leetcode@\.com$, \.需要使用反斜杠转义, 在python3.7及以上版本中@无需转义

代码如下：

import pandas as pd

def valid_emails(users: pd.DataFrame) -> pd.DataFrame:
    mails = users[users["mail"].str.match(r"^[a-zA-Z][a-zA-Z0-9_.-]*@leetcode\.com$")]
    return mails

在表达式前应加r表示只读，防止某些字符被转义
此外，Dataframe中的字符型数据以varchar存储，处理时应先转换为str实例