删除带有csv文件某些关键字的行

Question

我有一个大数据文件，我需要删除包含某些关键字的行。

这是我正在使用的文件的示例：

User Name     DN
MB31212       CN=MB31212,CN=Users,DC=prod,DC=trovp,DC=net
MB23423       CN=MB23423 ,OU=Generic Mailbox,DC=prod,DC=trovp,DC=net
MB23424       CN=MB23424 ,CN=Users,DC=prod,DC=trovp,DC=net
MB23423       CN=MB23423,OU=DNA,DC=prod,DC=trovp,DC=net
MB23234       CN=MB23234 ,OU=DNA,DC=prod,DC=trovp,DC=net

这是我导入文件的方式：

import pandas as pd
df = pd.read_csv('sample.csv', sep=',', encoding='latin1')

我该怎么做

1. 例如删除 DN 列中包含“OU=DNA”的所有行？
2. 如何删除 DN 列中的第一个属性“CN= x”而不删除该列中的其余数据？

我想得到类似于下面发布的内容，删除了包含“OU=DNA”的 2 行，并从每一行中删除了“CN=x”：

User Name     DN
MB31212       CN=Users,DC=prod,DC=trovp,DC=net
MB23423       OU=Generic Mailbox,DC=prod,DC=trovp,DC=net
MB23424       CN=Users,DC=prod,DC=trovp,DC=net

Answer 1

您可以尝试将此两步过滤作为您的逻辑。使用str.contains 方法过滤掉带有OU=DNA 的行，并使用str.replace 方法和正则表达式修剪前导CN=x：

newDf = df.loc[~df.DN.str.contains("OU=DNA")]
newDf.DN = newDf.DN.str.replace("^CN=[^,]*,", "")
newDf

    UserName    DN
0   MB31212 CN=Users,DC=prod,DC=trovp,DC=net
1   MB23423 OU=Generic Mailbox,DC=prod,DC=trovp,DC=net
2   MB23424 CN=Users,DC=prod,DC=trovp,DC=net

正则表达式的一点分解：^ 代表字符串的开头，后面是CN=，并使用[^,]*, 捕获模式，直到第一个逗号；

Answer 2

要阅读您提供的文件示例，我使用了：

df = pd.read_csv('sample.csv', sep='     ', encoding='latin1', engine="python")

然后：

df = df.drop(df[df.DN.str.contains("OU=DNA")].index)
df.DN = df.DN.str.replace('(CN=MB[0-9]{5}\s*,)', '')
df

给出了想要的结果：

    User Name   DN
0   MB31212     CN=Users,DC=prod,DC=trovp,DC=net
1   MB23423     OU=Generic Mailbox,DC=prod,DC=trovp,DC=net
2   MB23424     CN=Users,DC=prod,DC=trovp,DC=net