在 Excel 中使用 Python 时，首先要记住的是，新的集成提供了一个自定义的 xl(“range”, headers) 函数来引用工作簿中的数据。此函数将在整个示例中派上用场，因为它允许我们引用工作簿中的特定（范围）值，并自动转换为 Python 对象，即 DataFrame 或 Series。通过这种方式，我们可以避免逐个单元格进行处理，而是对整个 DataFrame 使用 Python 向量化函数进行操作。虽然这可能看起来是一个很小的差异，但这将对性能产生巨大影响。这种策略允许您将所有数据收集到一个独特的数据结构中，然后将其发送到 Azure 云上的远程沙盒，而不是为小型计算生成大量网络流量。此外，由于单元格按预定义的顺序执行，因此整个执行将按顺序运行，而不是并行运行。虽然在处理少量条目时，这不会产生太大影响，但在处理整个 1000 行数据集时，这会导致性能出现巨大瓶颈。因此，牢记 Python 在 Excel 执行模型中的重要性始终很重要。有关执行模型和其他编程技巧的更多信息，请参阅此
博客文章
。
好了！现在是时候编写一些 Python 代码了。首先，让我们定义我们的模式。使用正则表达式匹配 EEID 非常简单：事实上，所有 EEID 都可以通过以下模式捕获：“E\d{5}”，其含义是
“大写字母 E 和 5 位数字。”
详细来说，\d 运算符在正则表达式语法中用于表示数字字符，从 0 到 9；而我们表示字符串中必须包含的这些字符的个数（即“量词”）。在本例中，它指的是五位数字。
让我们继续到 R1 单元格，创建一个新的 =PY() 单元格，并编写以下代码
df = xl("A1:A1001", headers=True)
pattern = "E\d{5}"
df.EEID.str.match(pattern)
首先，我们使用 xl() 函数选择整个 EEID 数据列。这将作为 DataFrame 返回，其中包含一个与之同名的列。这是在 xl 函数调用中传递 headers=True 的结果。然后，我们依靠 pandas 字符串函数
match
在多个行上传播模式匹配。请注意，这种方法完全利用了 pandas 内部对数据循环的优化，避免了 Python 中更慢的显式迭代。表达式
df.EEID.str.match(pattern)
的结果是一个 pandas 布尔值序列，即 True 或 False，具体取决于匹配成功或不成功。要查看工作簿中的值，我们可以将 Python 单元格输出切换到“Excel 值”。结果序列中的所有值将被 Excel 自动溢出到 1000 行。如果您愿意，您甚至可以使用条件格式来突出显示这些单元格，以绿色或红色突出显示模式匹配的结果。
这次，我们将利用 regexp 组（由圆括号标识）来匹配电子邮件地址模式中的所有部分。特别是，第一组匹配帐户名，后跟 @ 符号，然后是域名组。域名实际上被匹配为两个可选子组：前者用于 outlook.mail 域名，后者用于其余三个域名，即
mail.com、email.com 和 gmail.com
。请注意，如何使用精心设计的类和量词组合，我们可以在单个组表达式中匹配这三个域名，即使用
“?”
逻辑量词匹配
email
或
gmail
或
mail
词语。如果我们在电子邮件验证代码中使用这个新的电子邮件模式，我们将使用单个 regexp 识别
无效和错误
的电子邮件地址，从而导致更多条目出现错误。
正则表达式是用于字符串数据验证的极其强大的工具。使用正则表达式，可以检查我们的数据是否符合定义的搜索模式，该模式被定义为特殊运算符和字符序列的组合。在这篇文章中，我们探讨了 Python 在 Excel 集成中如何将这种新功能直接引入到我们的工作簿中，以创建自动数据验证策略。首先，我们介绍了正则表达式的主要概念和运算符，如元字符、字符类和组。然后，我们演示了它们在示例案例中的使用，该示例案例考虑了 1000 个条目的公司员工数据集。使用正则表达式，我们能够识别数据中的拼写错误和不一致，匹配电子邮件地址、员工 ID 和电话号码。包含示例中 Python 代码的 Excel 工作簿的完整版本可在
公开获取
。
