如何在 pandas 數據框上使用來自 phonenumbers Python 庫的解析？

Question

如何從 pandas 數據框中解析電話號碼，最好使用電話號碼庫？

我正在嘗試在 Python, https://pypi.org/project/phonenumbers/上使用 Google 的 libphonenumber 庫的一個端口。

我有一個包含來自許多國家的 300 萬個電話號碼的數據框。 我有一行是電話號碼，一行是國家/地區代碼。 我正在嘗試在 package 中使用解析 function。我的目標是使用相應的國家代碼解析每一行，但我找不到有效的方法。

我嘗試使用 apply 但它沒有用。 我收到“(0) 個缺失或無效的默認區域”。 錯誤，意味着它不會傳遞國家代碼字符串。

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，但沒有得到我想要的，因為我的數字來自大約 120 多個不同的國家。

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

我嘗試循環執行此操作，但速度非常慢。 我花了一個多小時來解析 10,000 個數字，我有大約 300 倍：

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

有沒有我缺少的方法可以運行得更快？ apply function 工作得很好，但我無法將數據框元素傳遞給它。

我還是 Python 的初學者，所以也許這有一個簡單的解決方案。 但我將非常感謝你的幫助。

Answer 1

您最初使用apply解決方案實際上非常接近-您不會說什么不起作用，但是lambda函數在數據幀的多個列上而不是在單個列中的行上的語法有點不同。 嘗試這個：

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

區別：

1. 您想要在lambda函數中包括多個列，因此您想將lambda函數應用於整個數據df.apply （即df.apply ），而不是應用於通過執行df.phone_number.apply返回的Series（單個列） 。 （將df.phone_number的輸出打印到控制台-返回的是將給出lambda函數的所有信息）。

2. 參數axis='columns' （或axis=1 ，等價，請參閱docs ）實際上是按行對數據進行切片，因此一次應用一次“ sees”一條record （即[index0，phonenumber0，countrycode0]， [index1，phonenumber1，countrycode1] ...），而不是切成另一個方向（[phonenumber0，phonenumber1，phonenumber2 ...]）

3. 您的lambda函數僅知道占位符x ，在這種情況下，該占位符是Series [index0，phonenumber0，countrycode0]，因此您需要指定與其已知的x相關的所有值-即x.phone_number，x 。國家代碼。

Answer 2

喜歡@katelie 的解決方案。 但這是我的代碼。 添加了 try/except function 以跳過電話號碼 function 失敗。 它無法處理長度過長的字符串。

    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)