Python - 使用 pandas 从 excel 中匹配和提取数据

Question

我正在编写一个 python 脚本，它可以自动为我拨打一些电话。我有一个可以与 REST API 交互的工具进行测试。我需要根据输入的国家代码选择特定的运营商。所以假设我的用户在我的 excel 文档中输入 12145221414，我想选择 AT&T 作为运营商。如何接受表格第一列的输入，然后输出第二列的内容？

显然，这可能有点棘手，因为我需要匹配电话号码前面最多 3-4 位数字。我的计划是编写一个函数，然后获取初始号码，然后插入需要用于该国家/地区的运营商。

知道如何从表中提取这些数据吗？如果您输入巴巴多斯 (1246)，我将如何做到这一点，然后选择 Lime 而不是 AT&T？

这是我到目前为止的代码和表格。我不确定如何读取一个表，然后从该表中提取数据以用于我的匹配函数。

testlist.xlsx

| Number |
|:------------|
|8155555555|
|12465555555|
|12135555555|
|96655555555|
|525555555555|

carriers.xlsx

| countryCode | Carrier |
|:------------|:--------|
|1246|LIME|
|1|AT&T|
|81|Softbank|
|52|Telmex|
|966|Zain|

import pandas as pd
import os

FILE_PATH = "C:/temp/testlist.xlsx"
xl_1 = pd.ExcelFile(FILE_PATH)
num_df = xl_1.parse('Numbers')

FILE_PATH = "C:/temp/carriers.xlsx"
xl_2 = pd.ExcelFile(FILE_PATH)
car_df = xl_2.parse('Carriers')


for index, row in num_df.iterrows():

Answer 1

让我们假设以下输入：

>>> df1
         Number
0    8155555555
1   12465555555
2   12135555555
3   96655555555
4  525555555555

>>> df2
   countryCode   Carrier
0         1246      LIME
1            1      AT&T
2           81  Softbank
3           52    Telmex
4          966      Zain

首先我们需要修改一点 df2 以降序对countryCode 进行排序，使其成为字符串并将其设置为索引。

后面的技巧是按降序对countryCode 进行排序。这将确保较长的国家/地区代码（例如“1246”）在较短的国家/地区代码（例如“1”）之前匹配。

>>> df2 = df2.sort_values(by='countryCode', ascending=False).astype(str).set_index('countryCode')
>>> df2
              Carrier
countryCode          
1246             LIME
966              Zain
81           Softbank
52             Telmex
1                AT&T

最后，我们使用由国家代码按降序排列的正则表达式（此处为'1246|966|81|52|1' 使用'|'.join(df2.index)）来提取最长的代码，并将其映射到运营商：

(df1.astype(str)['Number']
    .str.extract('^(%s)'%'|'.join(df2.index))[0]
    .map(df2['Carrier'])
)

输出：

0    Softbank
1        LIME
2        AT&T
3        Zain
4      Telmex
Name: 0, dtype: object

注意。将其添加到初始数据框：

df1['carrier'] = (df1.astype(str)['Number']
                     .str.extract('^(%s)'%'|'.join(df2.index))[0]
                     .map(df2['Carrier'])
                 ).to_clipboard(0)

输出：

         Number   carrier
0    8155555555  Softbank
1   12465555555      LIME
2   12135555555      AT&T
3   96655555555      Zain
4  525555555555    Telmex

Answer 2

我只能想到一个低效的解决方案。

首先，将运营商的数据框按国家代码倒序排列。这样，较长的前缀将更接近开头。

codes = xl_2.sort_values('countryCode', ascending=False)

接下来，定义一个函数，将数字与第二个数据框中的每个国家/地区代码进行匹配，并找到第一个匹配项的索引（如果有）（请记住，匹配项是最长的）。

def cc2carrier(num):
    matches = codes['countryCode'].apply(lambda x: num.startswith(x))
    if not matches.any(): #Not found
        return np.nan
    return codes.loc[matches.idxmax()]['Carrier']

现在，将函数应用于数字数据框：

xl_1['Number'].apply(cc2carrier)
#1    Softbank
#2        LIME
#3        AT&T
#4        Zain
#5      Telmex
#Name: Number, dtype: object
    

Answer 3

如果我理解正确，您只想从输入列（数字）中获取第一个字符，然后将其与载体.xlsx 中的第二个数据帧匹配。

提取数字列的第一个字符。提示：nbr_of_chars 变量应基于carrier.xlsx 中countryCode 列的最大字符长度

nbr_of_chars = 4
df.loc[df['Number'].notnull(), 'FirstCharsColumn'] = df['Number'].str[:nbr_of_chars]

那么使用数据框连接进行匹配应该相当容易。

Answer 4

知道如何从表中提取这些数据吗？我怎么会 使如果您输入巴巴多斯 (1246)，则选择石灰 而不是 AT&T？

carriers.xlsx

countryCode	Carrier
1246	LIME
1	AT&T
81	Softbank
52	Telmex
966	Zain

script.py

import pandas as pd

FILE_PATH = "./carriers.xlsx"
df = pd.read_excel(FILE_PATH)
rows_list = df.to_dict('records')
code_carrier_map = {}

for row in rows_list:
    code_carrier_map[row["countryCode"]] = row["Carrier"]

print(type(code_carrier_map), code_carrier_map)

print(f"{code_carrier_map.get(1)=}")
print(f"{code_carrier_map.get(1246)=}")
print(f"{code_carrier_map.get(52)=}")
print(f"{code_carrier_map.get(81)=}")
print(f"{code_carrier_map.get(966)=}")

输出

$ python3 script.py 
<class 'dict'> {1246: 'LIME', 1: 'AT&T', 81: 'Softbank', 52: 'Telmex', 966: 'Zain'}
code_carrier_map.get(1)='AT&T'
code_carrier_map.get(1246)='LIME'
code_carrier_map.get(52)='Telmex'
code_carrier_map.get(81)='Softbank'
code_carrier_map.get(966)='Zain'

---

那么如果你想解析电话号码，不要重新发明轮子，只需使用这个phonenumbers 库即可。

代码

import phonenumbers

num = "+12145221414"
phone_number = phonenumbers.parse(num)
print(f"{num=}")
print(f"{phone_number.country_code=}")
print(f"{code_carrier_map.get(phone_number.country_code)=}")

输出

num='+12145221414'
phone_number.country_code=1
code_carrier_map.get(phone_number.country_code)='AT&T'