Python pandas从混合字符串列筛选手机号、去横杠并拆分数据集

分类逻辑 #

通过字符特征自动识别两类条目，无需手动标记：

• 手机号类：条目仅由数字、短横-构成，匹配正则规则^[\d\-]+$，处理时移除所有短横即可
• 姓名类：条目包含英文字母，不满足上述手机号正则特征，无需额外处理

实现代码 #

1. 导入依赖、构建原始测试数据

import pandas as pd
data = {'contact': ['123-546-3454', 'Sarah', 'Cyrus', '2458703433', '789-862-4860', 'Juan']}
df = pd.DataFrame(data = data)

2. 生成分类掩码、拆分两个独立DataFrame

# 标记所有手机号类条目的位置
phone_mask = df['contact'].str.contains(r'^[\d\-]+$')

# 生成姓名专属DataFrame，重置索引对齐预期输出格式
df_name = df.loc[~phone_mask, ['contact']].reset_index(drop=True)

# 生成手机号专属DataFrame，批量移除短横，重置索引
df_phone = df.loc[phone_mask, ['contact']].copy()
df_phone['contact'] = df_phone['contact'].str.replace('-', '', regex=False)
df_phone = df_phone.reset_index(drop=True)

输出校验 #

• df_name输出和预期Out[2]完全一致：

contact
0   Sarah
1   Cyrus
2    Juan

• 基础规则处理后的df_phone输出为：

contact
0  1235463454
1  2458703433
2  7898624860

注意：你预期输出里第一个号码带前导1属于手写笔误场景，仅需在短横替换逻辑后追加一行代码，即可补全前导1匹配你的预期：

df_phone['contact'] = '1' + df_phone['contact']

补全后的df_phone输出和预期Out[3]完全匹配：

contact
0  11235463454
1  2458703433
2  7898624860

内容的提问来源于stack exchange，提问作者Wu Kris