掉落行通過匹配子串列表

Question

我有字符串的列表如下：

drop_list = [ "www.stackoverflow", "www.youtube."] 

我有一個熊貓數據幀df用柱，用名column_name1說，其可能或可能不包含drop_list中的子字符串。樣品DF如下：

columnname1 
------------ 
https://stackoverflow.com/python-pandas-drop-rows-string-match-from-list 
https://stackoverflow.com/deleting-dataframe-row-in-pandas-column-value 
https://textblob.readthedocs.io/en/dev/quickstart.html#create-a-textblob 
https://textblob.readthedocs.io/en/dev/ 
https://textblob.readthedocs.io/en/stackoverflow 
https://textblob.readthedocs.io/en/youtube 
https://www.youtube.com/watch?v=sHkjdkjsk 
https://www.youtube.com/watch?v=_jksjdkjklI 
https://www.youtube.com/watch?v=jkjskjkjkjkw 

所以，我想從DF，其中包含從drop_list子串刪除所有行。

如果我理解正確，如果drop_list是我想要匹配的確切值，那麼我可以根據此SO問題使用以下代碼。

df[~df['column_name1'].isin(to_drop)] 

或者使用str.contains方法在this回答表明，如果它只是一個價值

df[~df['column_name1'].str.contains("XYZ")] 

現在，如何既與方法相結合，刪除列？所需的輸出將丟棄包含計算器或從我的數據幀的YouTube任何行：

columnname1 
------------ 
https://textblob.readthedocs.io/en/dev/quickstart.html#create-a-textblob 
https://textblob.readthedocs.io/en/dev/ 
https://textblob.readthedocs.io/en/stackoverflow 
https://textblob.readthedocs.io/en/youtube 

如果我按原樣運行df = df[~df['col1'].str.contains('|'.join(to_drop))]與to_drop，它保留了stackoverflow網址，但刪除了youtube網址。

如果我改變我的列表更通用如下 to_drop =「計算器」，「YouTube」的視頻]

它刪除

https://textblob.readthedocs.io/en/stackoverflow 
https://textblob.readthedocs.io/en/youtube 

因此，所有我試圖做的是刪除所有包含stackoverflow和youtube網址的行。我正在避免使用urlparse庫！

Here是MWE。

Answer 1

嘗試這種情況：

import re 

drp = [re.sub(r'www\.|\.$|\.com', '', x) for x in to_drop] 
df[~df.col1.str.extract(r'http[s]*://([^/]*).*', expand=False) 
    .str.contains('|'.join(drp))] 

收率：

                 col1 
2 https://textblob.readthedocs.io/en/dev/quickstart.html#create-a-textblob 
3         https://textblob.readthedocs.io/en/dev/ 
4       https://textblob.readthedocs.io/en/stackoverflow 
5        https://textblob.readthedocs.io/en/youtube 

說明：

In [38]: drp 
Out[38]: ['stackoverflow', 'youtube'] 

In [41]: df.col1.str.extract(r'http[s]*://([^/]*).*', expand=False) 
Out[41]: 
0   stackoverflow.com 
1   stackoverflow.com 
2 textblob.readthedocs.io 
3 textblob.readthedocs.io 
4 textblob.readthedocs.io 
5 textblob.readthedocs.io 
6   www.youtube.com 
7   www.youtube.com 
8   www.youtube.com 
Name: col1, dtype: object 

In [42]: df.col1.str.extract(r'http[s]*://([^/]*).*', expand=False).str.contains('|'.join(drp)) 
Out[42]: 
0  True 
1  True 
2 False 
3 False 
4 False 
5 False 
6  True 
7  True 
8  True 
Name: col1, dtype: bool