如何在DataFrame中清理联系电话：移除特殊字符与国际前缀

需求说明 #

需要对包含联系电话的DataFrame的Phone列进行清洗：移除括号、连字符等特殊字符，同时去除国际前缀（如+1），最终保留10位纯数字格式。

原始数据 #

Id Phone
1  (+1)123-456-7890
2  (123)-(456)-(7890)
3  123-456-7890

期望输出 #

Id  Phone
1   1234567890
2   1234567890
3   1234567890

解决方案 #

使用Pandas结合正则表达式完成清洗，步骤如下：

1. 导入Pandas并创建原始DataFrame：

import pandas as pd

data = {
    'Id': [1, 2, 3],
    'Phone': ['(+1)123-456-7890', '(123)-(456)-(7890)', '123-456-7890']
}
df = pd.DataFrame(data)

2. 清洗Phone列：

# 移除所有非数字字符
df['Phone'] = df['Phone'].str.replace(r'\D', '', regex=True)
# 处理国际前缀：若为11位且以1开头，保留后10位
df['Phone'] = df['Phone'].apply(lambda x: x[-10:] if len(x) == 11 and x.startswith('1') else x)

3. 查看结果：

print(df)

代码解释 #

• str.replace(r'\D', '', regex=True)：利用正则\D匹配所有非数字字符，将其替换为空，得到纯数字字符串。
• apply函数判断：针对带国际前缀的11位号码（如11234567890），截取最后10位；对于本身就是10位的号码，直接保留，确保结果统一为10位纯数字。

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