如何在Pandas中结合两个条件构建邮箱过滤表达式

没问题，我来帮你把这两个邮箱过滤条件合并到email_filt里，有两种简单好用的方式：

方法1：用逻辑运算符直接组合（直观易读） #

最直接的方式就是用&（逻辑与）把两个布尔判断组合起来，这样既能筛选出符合正则格式的邮箱，又能排除掉包含"missing"的条目：

email_filt = df['email'].str.match("^[A-Za-z1-9_!#%&*$][A-Za-z0-9_!#%&*\.]+@\w+\.\w{2,16}$") & ~df["email"].str.contains("missing")

这里的~是Python里的取反运算符，它会把str.contains("missing")得到的布尔数组反转——简单说就是把所有包含"missing"的邮箱标记为False，剩下的才会被保留。

方法2：把排除条件整合进正则表达式（一步到位） #

如果你想把所有过滤逻辑都塞进一个正则里，可以用负向前瞻断言来实现排除"missing"的需求，这样只需要一次正则匹配操作就搞定：

email_filt = df['email'].str.match("^(?!.*missing)[A-Za-z1-9_!#%&*$][A-Za-z0-9_!#%&*\.]+@\w+\.\w{2,16}$")

给你拆解一下新增的正则部分：

• (?!.*missing)：这是负向前瞻，意思是"从字符串开头开始，后面的任何位置都不能出现'missing'"。.*表示匹配任意字符（除换行）任意次数，确保不管"missing"在邮箱的开头、中间还是结尾，都会被排除。

额外小技巧：支持大小写不敏感的排除 #

如果你的数据里有"Missing"、"MISSING"这类大小写不同的变体，也想一起排除的话，可以这样调整：

• 方法1的版本：给str.contains加case=False参数

  email_filt = df['email'].str.match("^[A-Za-z1-9_!#%&*$][A-Za-z0-9_!#%&*\.]+@\w+\.\w{2,16}$") & ~df["email"].str.contains("missing", case=False)
  

• 方法2的版本：在正则里加(?i)标志开启大小写不敏感

  email_filt = df['email'].str.match("^(?!.*(?i)missing)[A-Za-z1-9_!#%&*$][A-Za-z0-9_!#%&*\.]+@\w+\.\w{2,16}$")
  

内容的提问来源于stack exchange，提问作者chexxmex