Pythonのpandasで、電話番号の含まれている列名を取得する

Question

前提・実現したいこと

はじめて質問させていただきます。

電話番号の列があるCSVが多数あり、
pandasで一気に読みこみ、
電話番号のある列を抽出したいです。

CSV毎に電話番号がある列が異なり、
また、列名もCSVによっては「電話番号」であったり「番号」だったり「tel」であったりと
バラバラです。

電話番号が入っている列を特定し、
列名を「電話番号」に変更したいですが、
どのように特定したらいいか浮かばないです。

よろしくおねがいします。

Comments

[8524ba23]

まずは列名はおいておいて、ある列に格納されている（複数の）データについて、いかなる規則によってそれらが「電話番号」と判断すべきかを明確にする必要があります。
「どのように特定したらいいか」とはそれすら分からないということでしょうか？

Answer 1

わたしなら、どういう名前が入っているのかがわかっていなければ、以下のコードを実行します。

import pandas as pd

tels = set(['電話番号', '番号', 'tel'])
def get_tel_column(path):
    df = pd.read_csv(path)
    s = tels.intersection(df.columns)
    if len(s) == 1:
        return list(s)[0]
    elif len(s) == 0:
        print(f'csv file: {path} has no telephone number')
        print(f'columns are [df.columns]')
        raise ValueError
    else:
        print(f'csv file: {path} has more than two telephone numbers')
        print(f'columns are [df.columns]')
        print(f'telephone numbers are {s})
        raise ValueError

csv_list = 変更したいcsvファイルのリスト

for path in path_list:
    get_tel_column(path)

そして、エラーが出て止まるごとに、telsを変更するか、csv_listを変更して、再実行します。
no telephone numberのときは、telsに要素を追加するかcsv_listからファイル名を削除します。
more than two telephone numbersのときは、csv_listからファイル名を削除します。

これを繰り返すと、自動化できるcsv_listと、そのためのtels が残ります。
あとは、get_tel_columnの返すcolumn名を好きな名前に変更すれば良いでしょう。

Comments

[sunafu0806]

ありがとうございます！！！
おおおー。
とても助かります。