DataFrame中手机号格式标准化：国家码校验与统一格式处理

需要处理DataFrame中的联系号码，统一格式为(+国家码)纯数字，规则如下：

• 无国家码的号码默认添加+1
• 空值/NA保持不变
• 已符合格式的号码无需修改

原始数据 #

id  contact
1   +1(123)-456-7890
2   +552(123)-(456)-(7890)   
3   (+91)1234567890  // correct
4   123-456-7890     // by default add +1, if there is no code
5                    // Ignore NA cases
6   +11234567890    // separate country code from given number and formate it

实现代码 #

import pandas as pd
import re

# 构造原始DataFrame
data = {
    'id': [1, 2, 3, 4, 5, 6],
    'contact': [
        '+1(123)-456-7890',
        '+552(123)-(456)-(7890)',
        '(+91)1234567890',
        '123-456-7890',
        '',
        '+11234567890'
    ]
}
df1 = pd.DataFrame(data)

def format_contact(contact):
    # 处理空值/空白字符串
    if pd.isna(contact) or contact.strip() == '':
        return contact
    # 提取所有数字字符
    all_digits = re.sub(r'\D', '', contact)
    # 判断原号码是否包含国家码前缀（+号）
    has_country_code = '+' in contact
    # 提取号码核心部分（最后10位数字）
    number_core = all_digits[-10:] if len(all_digits) >= 10 else all_digits
    # 确定国家码
    if has_country_code:
        # 国家码是+号对应的数字（排除最后10位号码）
        country_code = all_digits[:-10] if len(all_digits) > 10 else '1'
    else:
        # 无国家码默认用1
        country_code = '1'
    # 拼接成目标格式
    return f'(+{country_code}){number_core}'

# 应用格式化函数
df1['contact'] = df1['contact'].apply(format_contact)
print(df1)

处理结果 #

id          contact
1  (+1)1234567890
2 (+552)1234567890
3  (+91)1234567890
4  (+1)1234567890
5                 
6  (+1)1234567890

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