如何用Pandas实现CSV邮箱匹配并排除纯数字前缀邮箱？

现有两个CSV文件：

• file1：包含用户姓名、邮箱信息，存在同一用户对应多个邮箱的情况
• file2：包含用户姓名及空邮箱字段

需要为file2填充邮箱，规则：若同一用户有多个邮箱，忽略前缀仅为数字的邮箱（优先选择前缀非纯数字的邮箱；若用户只有纯数字前缀的邮箱，则保留该邮箱）。

示例文件 #

file1.csv

Name, Mail
John Doe, 123@sample.com
John Doe, john_doe2@sample.com
Anna Davis, 456@sample.com
Heather Rockwell, heather_rockwell@sample.com
sample man, man_sample@sample.com
sample woman, 999@sample.com

file2.csv

Name, Mail
Anna Davis,
Heather Rockwell,
John Doe,
sample man,
sample woman,

期望输出CSV

Name, Mail
Anna Davis, 456@sample.com
Heather Rockwell, heather_rockwell@sample.com
John Doe, john_doe2@sample.com
sample man, man_sample@sample.com
sample woman, 999@sample.com

现有代码（待完善） #

用户尝试用Pandas实现，但卡在过滤纯数字前缀邮箱的逻辑上：

import pandas as pd


data1 = pd.read_csv(file1)
data2 = pd.read_csv(file2)

for index, user in enumerate(data1.Name):
    if user in data2.Name.values:
        if (user.Mail[index] is not consist from numbers only):
            (add mail)

以下是符合需求的完整Pandas代码：

import pandas as pd

# 读取两个CSV文件
data1 = pd.read_csv("file1.csv")
data2 = pd.read_csv("file2.csv")

# 定义函数：判断邮箱前缀是否为纯数字
def is_digit_prefix(email):
    # 提取@符号前的前缀部分
    prefix = email.split("@")[0]
    # 判断前缀是否全为数字
    return prefix.isdigit()

# 对file1的数据处理：标记每个邮箱是否为纯数字前缀
data1["is_digit"] = data1["Mail"].apply(is_digit_prefix)

# 按姓名分组，筛选每个用户的有效邮箱：优先选非纯数字前缀的，若没有则保留纯数字前缀的
def select_valid_email(group):
    # 先筛选非纯数字前缀的邮箱
    non_digit_emails = group[group["is_digit"] == False]["Mail"]
    if not non_digit_emails.empty:
        return non_digit_emails.iloc[0]
    # 若没有非纯数字前缀的，返回纯数字前缀的邮箱
    else:
        return group["Mail"].iloc[0]

# 分组后得到每个用户的目标邮箱
user_mail_map = data1.groupby("Name").apply(select_valid_email).reset_index(name="Mail")

# 将结果合并到file2中，填充邮箱字段
result = pd.merge(data2[["Name"]], user_mail_map, on="Name", how="left")

# 保存为输出CSV
result.to_csv("output.csv", index=False)

代码逻辑说明 #

1. 读取文件：用pd.read_csv读取两个输入文件。
2. 前缀判断函数：is_digit_prefix函数拆分邮箱，提取@前的前缀，用isdigit()判断是否为纯数字。
3. 标记邮箱类型：给file1的每条数据添加is_digit列，标记该邮箱是否为纯数字前缀。
4. 分组筛选有效邮箱：按姓名分组，对每个用户的邮箱列表，优先选择非纯数字前缀的；如果用户只有纯数字前缀的邮箱，则直接保留。
5. 合并填充：将筛选后的邮箱映射表与file2合并，替换空邮箱字段，最后保存结果。

内容的提问来源于stack exchange，提问作者abe_101