Pandas 系列的矢量化格式函数

Question

假设我以 Series 的未格式化电话号码（作为字符串）开头，我想将它们格式化为 (XXX) YYY-ZZZZ。

我可以使用正则表达式和str.match 或str.extract 获取输入的子组件。我可以使用以下任一结果执行格式化：

ser = pd.Series(data=['1234567890', '2345678901', '3456789012']) 

matched = ser.str.match(r'(\d{3})(\d{3})(\d{4})')

extracted = ser.astype(str).str.extract(r'(?P<first>\d{3})(?P<second>\d{3})(?P<third>\d{4})')

formatmatched = matched.apply(lambda x: '({0}) {1}-{2}'.format(*x))
print 'formatmatched'
print formatmatched

formatextracted = extracted.apply(lambda x: '({first}) {second}-{third}'.format(**x.to_dict()), axis=1)
print 'formatextracted'
print formatextracted

结果：

formatmatched
0    (123) 456-7890
1    (234) 567-8901
2    (345) 678-9012
dtype: object
formatextracted
0    (123) 456-7890
1    (234) 567-8901
2    (345) 678-9012
dtype: object

是否有一种矢量化方式可以在任一上下文中应用该格式化命令？

Answer 1

您可以直接使用Series.str.replace()：

In [47]: s = pandas.Series(["1234567890", "5552348866", "13434"])

In [49]: s
Out[49]: 
0    1234567890
1    5552348866
2         13434
dtype: object

In [50]: s.str.replace(r"(\d{3})(\d{3})(\d{4})", r"(\1) \2-\3")
Out[50]: 
0    (123) 456-7890
1    (555) 234-8866
2             13434
dtype: object

您还可以想象先进行另一个转换以删除任何非数字字符。

Answer 2

你为什么不试试这个：

import pandas as pd
ser = pd.Series(data=['1234567890', '2345678901', '3456789012']) 
def f(val):
    return '({0}) {1}-{2}'.format(val[:3],val[3:6],val[6:])
print ser.apply(f)