基于国际手机号填充DataFrame的country列

一、使用phonenumbers库的最佳实现方式 #

phonenumbers是Google开发的专业国际手机号处理库，能准确解析、验证号码并获取归属地信息，是处理这类需求的首选方案。

步骤与代码示例 #

1. 先安装库：

pip install phonenumbers

2. 编写解析函数并应用到DataFrame：

import phonenumbers
from phonenumbers import geocoder
import pandas as pd

# 示例DataFrame
df = pd.DataFrame({
    'phone': ['+351912345678', '+12125551234', '+34600123456', '+5511987654321']
})

def get_phone_country(phone_number):
    try:
        # 解析手机号（无需指定默认国家，因为号码带+国家代码）
        parsed_num = phonenumbers.parse(phone_number, None)
        # 可选：验证号码格式有效性
        if phonenumbers.is_valid_number(parsed_num):
            # 获取国家名称，可指定语言（如'zh'返回中文，'en'返回英文）
            return geocoder.description_for_number(parsed_num, 'en')
        return None
    except phonenumbers.NumberParseException:
        # 处理无法解析的无效号码
        return None

# 生成country列
df['country'] = df['phone'].apply(get_phone_country)

优势 #

• 自动识别所有合规的国际号码格式，无需手动维护国家代码映射
• 支持号码有效性验证，过滤无效数据
• 可返回多语言的国家名称，适配不同需求

二、其他可行方法 #

1. 手动国家代码映射 #

如果你的业务只涉及有限几个国家，可直接创建国家代码与国家名称的映射字典，通过字符串匹配提取归属地：

# 自定义国家代码映射（按需扩展）
country_code_mapping = {
    '+351': 'Portugal',
    '+1': 'United States',
    '+34': 'Spain',
    '+55': 'Brazil'
}

def get_country_manual(phone_number):
    for code, country in country_code_mapping.items():
        if phone_number.startswith(code):
            return country
    return None

df['country_manual'] = df['phone'].apply(get_country_manual)

缺点：需手动维护映射字典，无法覆盖所有国家，也无法验证号码有效性。

2. 正则提取国家代码+映射 #

用正则表达式提取号码开头的国家代码部分，再结合映射字典匹配国家：

import re

def extract_country_code(phone_number):
    # 匹配开头的+和1-3位数字（国际国家代码长度通常为1-3位）
    match = re.match(r'^(\+\d{1,3})', phone_number)
    return match.group(1) if match else None

df['country_code'] = df['phone'].apply(extract_country_code)
df['country_regex'] = df['country_code'].map(country_code_mapping)

特点：比纯字符串匹配更灵活，但仍依赖手动维护的映射字典，适合已知国家范围的场景。

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