基于正则表达式与Pandas DataFrame的邮箱验证及遍历问题

API 探路者

2026-8-21

Pandas 邮箱列高效验证与错误收集

核心思路

别用手动循环遍历DataFrame，优先用Pandas的矢量化字符串操作——既高效又能避免循环报错。先确认正则表达式符合需求，再批量验证、筛选无效项，最后把错误信息整理到errors字典里。

步骤实现

定义符合要求的正则表达式

import pandas as pd

# 满足@前后非空、.后至少2个字符的正则规则
email_pattern = r'^[^@]+@[^@]+\.[^@]{2,}$'

示例DataFrame（替换为你的实际业务数据）

df = pd.DataFrame({
    'user_id': [1, 2, 3, 4],
    'email': ['test@example.com', 'invalid@.com', 'missing@domain', 'another@bad.c']
})

批量验证邮箱有效性

# 标记每行邮箱是否有效，空值/NaN直接判定为无效
df['is_valid'] = df['email'].str.fullmatch(email_pattern, na=False)

# 筛选出所有无效邮箱的行
invalid_rows = df[~df['is_valid']]

收集无效信息到errors字典

方法一：高效矢量化转换（推荐）

errors = invalid_rows.set_index('user_id')[['email']].assign(
    reason='格式不符合要求：@前后需有内容，且.后至少2个字符'
).to_dict('index')

方法二：按需遍历（适合需要自定义错误原因的场景）

errors = {}
for _, row in invalid_rows.iterrows():
    # 可根据邮箱具体问题细化错误描述
    if '@' not in row['email'] or row['email'].count('@') > 1:
        reason = '缺少@符号或包含多个@'
    elif row['email'].split('@')[0] == '' or row['email'].split('@')[1] == '':
        reason = '@前后不能为空'
    elif '.' not in row['email'].split('@')[1] or len(row['email'].split('.')[-1]) < 2:
        reason = '.后至少需要2个字符'
    else:
        reason = '格式不符合要求'
    
    errors[row['user_id']] = {
        'email': row['email'],
        'reason': reason
    }