如何清洗Pandas DataFrame中含Phone的列，保留纯数字格式？

先指出你原代码的几个问题：

1. 循环里写df['col']是硬编码取名为col的列，不是遍历的目标列变量，得改成df[col]
2. df.['col']多了个多余的点，属于语法错误，应该写成df[col]
3. 没处理空值，要是单元格里有NaN，调用replace会直接报错
4. 列名匹配PHONE时没开启大小写不敏感，得给str.contains加case=False参数

修正后的基础版代码 #

import pandas as pd

# 筛选所有含PHONE的列（大小写不敏感）
phone_cols = df.columns[df.columns.str.contains('PHONE', case=False)]

for col in phone_cols:
    # 处理空值，仅对非空内容做格式清理
    df[col] = df[col].apply(lambda x: ''.join([c for c in str(x) if c.isdigit()]) if pd.notna(x) else x)

更简洁的正则版（推荐） #

用正则直接替换所有非数字字符，一步到位更高效：

import pandas as pd
import re

phone_cols = df.columns[df.columns.str.contains('PHONE', case=False)]

def clean_phone(x):
    if pd.notna(x):
        return re.sub(r'\D', '', str(x))
    return x

# 批量处理所有目标列
df[phone_cols] = df[phone_cols].applymap(clean_phone)

关键说明 #

• re.sub(r'\D', '', str(x))：\D匹配所有非数字字符，直接替换为空字符串，一次性清理括号、空格、横杠等格式符号
• pd.notna(x)：先判断单元格是否为空，避免空值调用字符串方法时报错
• applymap：对DataFrame的每个元素应用清理函数，比循环列再单独处理更简洁

内容的提问来源于stack exchange，提问作者lengthy_preamble