使用.apply()清洗DataFrame邮箱：数据未更新问题

很高兴看到你已经修正代码让.apply()生效了！既然你想继续用.apply()来巩固这个方法，同时也想了解更高效的替代方案，我来帮你一步步梳理：

一、优化后的.apply()写法 #

首先要修正一个小细节：你原来的domains是一个完整字符串，得拆分成列表才能逐个遍历检查域名：

domains = 'gmail.com hotmail.com yahoo.com hotmail.co.uk'.split()

然后调整清洗函数，找到匹配的域名后就直接处理返回，避免不必要的循环：

def cleaning(email):
    for domain in domains:
        if domain in email:
            # 检查域名前一位是不是@
            if email[-len(domain)-1] != '@':
                # 拆分用户名和域名，拼接@
                username = email[:-len(domain)]
                return f"{username}@{domain}"
    # 如果没有匹配到域名或者已经有@，直接返回原邮箱
    return email

调用.apply()处理邮箱列：

df['email'] = df['email'].apply(cleaning)
print(df)

输出结果会完全符合你的预期：

email    col2
0    foobar@gmail.com    make
1    barfoo@gmail.com      a
2  hellothere@gmail.com   data
3  myemail@hotmail.com  frame

二、更高效的非.apply()方案：正则表达式 #

.apply()是逐行处理，当DataFrame数据量很大时，效率会比较低。用Pandas的字符串方法结合正则表达式，能实现向量级别的处理，速度快很多：

import re

# 构造正则模式：匹配域名且前面没有@
domain_pattern = r'(?<!@)(gmail\.com|hotmail\.com|yahoo\.com|hotmail\.co\.uk)'
df['email'] = df['email'].str.replace(domain_pattern, r'@\1', regex=True)

正则解释： #

• (?<!@)：负向零宽断言，确保匹配到的域名前面没有@符号
• (gmail\.com|...)：分组匹配所有目标域名（注意.要转义成\.，否则会匹配任意字符）
• r'@\1'：替换为@加上分组匹配到的域名

这个方法和.apply()的结果完全一致，但处理大数据集时性能会好很多。

三、为什么最初的函数没生效？ #

结合你提到的@Tomaz Gandor指出的错误，大概率是因为domains没有拆分成列表——原来的写法会让循环遍历字符串的每个字符，而不是逐个域名检查，所以函数找不到匹配的域名，自然不会修改邮箱。修正后就能正常工作啦～

内容的提问来源于stack exchange，提问作者SCool