Question

如何从熊猫数据框中解析电话号码，最好使用电话号码库？

我正在尝试在Python上使用Google的libphonenumber库的端口， https://pypi.org/project/phonenumbers/。

我有一个数据框，其中包含来自许多国家/地区的300万个电话号码。我的电话号码一行，以及国家/地区代码行。我正在尝试在包中使用parse函数。我的目标是使用相应的国家/地区代码解析每一行，但我找不到有效的方法。

我尝试使用Apply，但是没有用。我收到“（0）缺少或无效的默认区域”。错误，表示它不会传递国家/地区代码字符串。

df['phone_number_clean'] = df.phone_number.apply(lambda x: 
phonenumbers.parse(str(df.phone_number),str(df.region_code)))

下面的代码行得通，但不能满足我的需求，因为我的电话来自大约120多个不同的国家。

df['phone_number_clean'] = df.phone_number.apply(lambda x:
 phonenumbers.parse(str(df.phone_number),"US"))

我试图循环执行此操作，但速度非常慢。花了我一个多小时来解析10,000个数字，而我的解析度约为300倍：

for i in range(n): 
    df3['phone_number_std'][i] = 
phonenumbers.parse(str(df.phone_number[i]),str(df.region_code[i]))

是否缺少我可以更快运行的方法？ apply函数可以很好地工作，但是我无法将数据框元素传递给它。

我仍然是Python的初学者，所以也许这有一个简单的解决方案。但是，非常感谢您的帮助。

Answer 1

实际上，您使用apply的初始解决方案非常接近-您不会说什么对它不起作用，但是lambda函数的语法适用于数据框的多列，而不是针对其中的行单列，有点不同。试试这个：

df['phone_number_clean'] = df.apply(lambda x: 
                              phonenumbers.parse(str(x.phone_number), 
                                                 str(x.region_code)), 
                              axis='columns')

差异：

您想在lambda函数中包括多个列，因此您想将lambda函数应用于整个数据帧（即df.apply），而不是应用于Series（单个列），即通过执行df.phone_number.apply返回。（将df.phone_number的输出打印到控制台-返回的是将给出lambda函数的所有信息）。
参数axis='columns'（或等价的axis=1，请参见docs）实际上是按行对数据进行切片，因此应用“看到”一个{{1 }}一次（即[index0，phonenumber0，countrycode0]，[index1，phonenumber1，countrycode1] ...），而不是切片另一个方向，这会给它另一个方向（[phonenumber0，phonenumber1，phonenumber2 ...] ）
您的lambda函数仅知道占位符record，在这种情况下，占位符为Series [index0，phonenumber0，countrycode0]，因此您需要指定所有与{{ 1}}，它知道-即x.phone_number，x.country_code。

如何在pandas数据框上使用来自phonenumbers Python库的解析？

1 个答案: