掉落行通过匹配子串列表

Question

我有字符串的列表如下：

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

我有一个熊猫数据帧df用柱，用名column_name1说，其可能或可能不包含drop_list中的子字符串。样品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，我想从DF，其中包含从drop_list子串删除所有行。

如果我理解正确，如果drop_list是我想要匹配的确切值，那么我可以根据此SO问题使用以下代码。

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

或者使用str.contains方法在this回答表明，如果它只是一个价值

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

现在，如何既与方法相结合，删除列？所需的输出将丢弃包含计算器或从我的数据帧的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 

如果我按原样运行df = df[~df['col1'].str.contains('|'.join(to_drop))]与to_drop，它保留了stackoverflow网址，但删除了youtube网址。

如果我改变我的列表更通用如下 to_drop =“计算器”，“YouTube”的视频]

它删除

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

因此，所有我试图做的是删除所有包含stackoverflow和youtube网址的行。我正在避免使用urlparse库！

Here是MWE。

Answer 1

尝试这种情况：

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 

说明：

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