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

Question

如何从 pandas 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, https://pypi.org/project/phonenumbers/上使用 Google 的 libphonenumber 库的一个端口。

我有一个包含来自许多国家的 300 万个电话号码的数据框。 我有一行是电话号码，一行是国家/地区代码。 我正在尝试在 package 中使用解析 function。我的目标是使用相应的国家代码解析每一行，但我找不到有效的方法。

我尝试使用 apply 但它没有用。 我收到“(0) 个缺失或无效的默认区域”。 错误，意味着它不会传递国家代码字符串。

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

下面的行有效，但没有得到我想要的，因为我的数字来自大约 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"))

我尝试循环执行此操作，但速度非常慢。 我花了一个多小时来解析 10,000 个数字，我有大约 300 倍：

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

有没有我缺少的方法可以运行得更快？ apply function 工作得很好，但我无法将数据框元素传递给它。

我还是 Python 的初学者，所以也许这有一个简单的解决方案。 但我将非常感谢你的帮助。

Answer 1

您最初使用apply解决方案实际上非常接近-您不会说什么不起作用，但是lambda函数在数据帧的多个列上而不是在单个列中的行上的语法有点不同。 尝试这个：

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

区别：

1. 您想要在lambda函数中包括多个列，因此您想将lambda函数应用于整个数据df.apply （即df.apply ），而不是应用于通过执行df.phone_number.apply返回的Series（单个列） 。 （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）。

2. 参数axis='columns' （或axis=1 ，等价，请参阅docs ）实际上是按行对数据进行切片，因此一次应用一次“ sees”一条record （即[index0，phonenumber0，countrycode0]， [index1，phonenumber1，countrycode1] ...），而不是切成另一个方向（[phonenumber0，phonenumber1，phonenumber2 ...]）

3. 您的lambda函数仅知道占位符x ，在这种情况下，该占位符是Series [index0，phonenumber0，countrycode0]，因此您需要指定与其已知的x相关的所有值-即x.phone_number，x 。国家代码。

Answer 2

喜欢@katelie 的解决方案。 但这是我的代码。 添加了 try/except function 以跳过电话号码 function 失败。 它无法处理长度过长的字符串。

    import phonenumber as phon

def formatE164(self): 
  try:
    return phon.format_number(phon.parse(str(self),"NL"),phon.PhoneNumberFormat.E164)
  except:
    pass
    
df['column'] = df['column'].apply(formatE164)