如何遍历DataFrame，按账户筛选出异常邮箱记录？

我有如下DataFrame，其中部分邮箱无效，判断依据是同一Account Name下存在的“异类”邮箱（例如Customer A下的no@nonsense.com）。我尝试对比Account Name和Email，但卡在了如何遍历每个账户并筛选出这些异常邮箱。

我尝试的代码如下：

df['Account_Name-next'] = df['Account_Name'].shift(-1)
df['Email-next'] = df['Email'].shift(-1)

df['Account_Name_equ'] = df['Account_Name-next'] == df['Account_Name']
df['Email-equ'] = df['Email-next'] == df['Email']

for row in df.itertuples():
    if row.Account_Name_equ == True:
        continue
    print(df['Email'][0])
    if row.Account_Name_equ == False:
        break

不用手动遍历行，用pandas的分组统计就能快速定位异常邮箱：

• 统计每个账户下各邮箱的出现次数
  先按Account_Name分组，再统计每个邮箱的频次：

  email_counts = df.groupby(['Account_Name', 'Email']).size().reset_index(name='Count')
  

• 找出每个账户下的主流邮箱（频次最高的）
  对每个账户，取频次最高的邮箱作为该账户的“标准邮箱”：

  main_emails = email_counts.groupby('Account_Name')['Count'].idxmax()
  main_email_df = email_counts.loc[main_emails, ['Account_Name', 'Email']].rename(columns={'Email': 'Main_Email'})
  

• 合并原数据，标记异常邮箱
  将原DataFrame和主流邮箱表合并，对比每个邮箱是否和主流一致，不一致的就是异常：

  df_with_flag = df.merge(main_email_df, on='Account_Name', how='left')
  df_with_flag['Is_Invalid'] = df_with_flag['Email'] != df_with_flag['Main_Email']
  

• 筛选出所有异常邮箱
  直接提取标记为异常的行：

  invalid_emails = df_with_flag[df_with_flag['Is_Invalid']]
  print(invalid_emails)
  

如果你的场景里，只要是和该账户下大多数邮箱不同的都算异常，上面的方法完全适用。如果有特殊规则（比如邮箱域名必须和账户匹配），可以再基于这个框架调整判断逻辑。

内容的提问来源于stack exchange，提问作者Mayv