PANDAS DROP REIHEN basierend auf gefilterten Elementen, meine Lösung - nicht zufrieden

Question

Ich arbeite an der Reinigung einer Liste Domain-Namen.

Ich möchte bestimmte Zeilen löschen, die ein Kriterium "passen". Es ist mir gelungen, das erste Kriterium zu bestimmen, das zweite wird leicht zu machen sein.

Allerdings kann ich die Zeilen nicht fallen lassen. Ich habe mehrere Lösungen ausprobiert, aber das Beste, was ich habe, ist folgendes.

from wordsegment import segment 
import pandas as pd 

def assignname(): 
    dfr = pd.read_csv('data.net.date.csv') 

    for domainwtld in dfr.domain: 
     dprice = dfr.price 
     domainwotld = domainwtld.replace(".net", "") 
     seperate = wordsegment.segment(domainwotld) 
     dlnt = (min(seperate, key=len)) 
     slnt = len(dlnt) 
     if slnt <= 1: 
      baddomains = domainwtld 
      a = dfr.loc[dfr['domain'] < (baddomains)] 
      print (a) 

Wenn ich diesen Code ausführen, erhalte ich eine Ausgabe, dass nach dem ersten Eintrag in „baddomains“ dropping, druckt das gesamte Objekt in „dfr“. Dies geschieht, bis die Schleife abgeschlossen ist.

Wie kann ich die "ursprüngliche" CSV-Datei basierend auf baddomains filtern?

Answer 1

from wordsegment import segment 
import pandas as pd 

url = 'http://download1474.mediafire.com/3ndc8vevwtng/sa4ifz8rixe7m8u/data.net.date+%285%29.csv' 
dfr = pd.read_csv(url) 
dfr['domain'] = dfr.domain.str.replace(".net", "") 
dfr['words'] = df.domain.apply(segment) 
good_domains = dfr[dfr.words.apply(lambda words: len(min(words, key=len))) > 1] 
bad_domains = dfr[~dfr.domain.isin(good_domains.domain)] 

>>> bad_domains 
     domain price   words 
2  keeng 700  [keen, g] 
14  ymall 777  [y, mall] 
22  idisc 850  [i, disc] 
26  borsen 877  [borse, n] 
38 cellacom 895 [cell, a, com] 
51  iwealth 999  [i, wealth] 
96  iplayer 1500  [i, player] 
116 mcommerce 2000 [m, commerce] 
118  apico 2052  [a, pico] 
134  epharm 2500  [e, pharm] 
139  ionica 2579  [ionic, a] 
153 kasiino 2999 [kasi, in, o] 
155 alpadia 3000 [al, padi, a] 
158 similans 3152 [similan, s] 
163 ifuture 3499  [i, future] 

>>> bad_domains.domain.tolist() 
['keeng', 
'ymall', 
'idisc', 
'borsen', 
'cellacom', 
'iwealth', 
'iplayer', 
'mcommerce', 
'apico', 
'epharm', 
'ionica', 
'kasiino', 
'alpadia', 
'similans', 
'ifuture']