将 lambda 函数应用于 pandas 数据框 - 返回索引但不返回值？

Question

我正在运行一个进程来清理一些电话号码（英国），并决定使用正则表达式/替换在 Pandas DataFrame 中运行一个 lambda 函数来删除我不想包含的字符（非数字，允许一个+)

代码如下：（phone_test只是一个测试示例的DataFrame，两列，一个索引和值）

def clean_phone_number(tel_no):
    for row in test_data:
        row = re.sub('[^?0-9+]+', '', row)
        return(row)

phone_test_result = phone_test['TEL_NUMBER'].apply(lambda x: clean_phone_number(x))

我遇到的问题是结果 (phone_test_result) 只返回 phone_test 数据帧的索引，而不是新格式化的电话号码。我已经绞尽脑汁好几个小时了，但我确信这是一个简单的问题。

起初我以为这只是返回线的定位（它应该在 for 下方，对吗？）但是当我这样做时，我只得到一个电话号码的输出，重复循环的长度（这甚至不在 phone_test 数据帧中！）

请停止。 谢谢。

---

在回复之后，这就是我最终得到的结果：

使用正则表达式清理电话号码，只取前 13 个字符
- 用 +44 替换前导零
- 删除长度小于 13 个字符的所有内容。
这并不完美；
- 有一些电话号码的合法数字较少
- 意味着我删除了所有的分机号码

def clean_phone_number(tel_no):
    clean_tel = re.sub('[^?0-9+]+', '', tel_no)[:13]
    if clean_tel[:1] == '0':
        clean_tel = '+44'+clean_tel[1:]
        if len(clean_tel) < 13:
            clean_tel = ''
    return(clean_tel)

Answer 1

pd.Series.apply 将函数应用于系列中的每个值。注意lambda 是不必要的。

import re

phone_test = pd.DataFrame({'TEL_NUMBER': ['+44-020841396', '+44-07721-051-851']})

def clean_phone_number(tel_no):
     return re.sub('[^?0-9+]+', '', tel_no)

phone_test_result = phone_test['TEL_NUMBER'].apply(clean_phone_number)

# 0      +44020841396
# 1    +4407721051851
# Name: TEL_NUMBER, dtype: object

相比之下，

pd.DataFrame.apply 将函数应用于数据帧中的每个 行：

def clean_phone_number(row):
     return re.sub('[^?0-9+]+', '', row['TEL_NUMBER'])

phone_test_result = phone_test.apply(clean_phone_number, axis=1)

# 0      +44020841396
# 1    +4407721051851
# Name: TEL_NUMBER, dtype: object

Answer 2

你不必循环，函数会针对每个元素执行

def clean_phone_number(tel_no):
    return re.sub('[^?0-9+]+', '', tel_no)

或直接

phone_test_result = phone_test['TEL_NUMBER'].apply(lambda x: re.sub('[^?0-9+]+', '', x))