使用Pandas与Schwifty解析IBAN提取银行信息遇类型错误求助

由于schwifty.IBAN仅支持处理单个字符串对象，无法直接对DataFrame列进行批量操作，你可以通过pandas.Series.apply()实现逐元素处理，具体步骤如下：

1. 导入所需库 #

import pandas as pd
import numpy as np
from schwifty import IBAN

2. 定义IBAN解析函数 #

编写一个函数，接收单个IBAN字符串，返回提取出的银行代码（Bank Keys）和银行账号（Bank Account number），同时处理空值和无效IBAN的情况：

def parse_iban(iban_str):
    if pd.isna(iban_str):
        return (np.nan, np.nan)
    try:
        iban_obj = IBAN(iban_str)
        return (iban_obj.bank_code, iban_obj.account_code)
    except Exception:
        # 若IBAN格式无效，可返回空值或原列值，按需调整
        return (np.nan, np.nan)

3. 批量处理并更新数据 #

通过apply解析IBAN列，拆分结果后仅覆盖IBAN非空行的对应列：

# 解析所有IBAN值，得到包含银行代码和账号的元组序列
parsed_results = df["IBAN"].apply(parse_iban)

# 生成IBAN非空的掩码
non_empty_iban = df["IBAN"].notna()

# 更新Bank Keys列
df.loc[non_empty_iban, "Bank Keys"] = parsed_results[non_empty_iban].str[0]
# 更新Bank Account number列
df.loc[non_empty_iban, "Bank Account number"] = parsed_results[non_empty_iban].str[1]

注意事项 #

• 若你的实际列名是BANKL（对应Bank Keys），请将代码中的列名替换为实际名称。
• 异常处理部分可根据业务需求调整，比如记录无效IBAN的行索引，或保留原有列值而非返回空值。
• apply方法相比显式循环更符合pandas的向量化操作逻辑，效率更高。

内容的提问来源于stack exchange，提问作者SMS