cpca 使用python提取中文地址描述中的省市区信息

 

文章目录

• 引言
• 模块安装
• Github地址
• 基本功能
• 地图绘制

 

引言

---

在一次建模比赛中，我手头里的原始数据中有一个“地址描述”地段，如下：

地址描述

广州国际采购中心1401

上海市长宁区金钟路658弄5号楼5楼

徐汇区虹漕路461号58号楼5楼

济南市历下区和平路34号轻骑院内东二层山东朵拉

这样的地址描述字段过于随意，很难使用，但是看这些字符串的样子似乎又可以提取出其所在的省、市和区，即使只能够提取出区或者市，如果我们有一个省、市和区的归属数据库的话，应该也能够将剩下的信息映射出来，如果自己写的话肯定很麻烦，还要去网上找数据库，于是我做了一个可以复用的python模块，一条命令就可以将上面的“地址描述”字段转换成如下的样子：

省	市	区
广东省	广州市
上海市	上海市	长宁区
上海市	上海市	徐汇区
山东省	济南市	历下区

模块安装

---

目前支持python3

pip install cpca

 

• 1

Github地址

---

更详细的模块介绍见Github上的README
https://github.com/DQinYuan/chinese_province_city_area_mapper

如果觉得这个模块对你有帮助的话，请给个star啊

基本功能

---

本模块中最主要的方法是cpca.transform，该方法可以输入任意的可迭代类型（如list，pandas的Series类型等），然后将其转换为一个DataFrame，下面演示一个最为简单的使用方法：

location_str = ["徐汇区虹漕路461号58号楼5楼", "泉州市洛江区万安塘西工业区", "北京朝阳区北苑华贸城"]
import cpca
df = cpca.transform(location_str)
df

 

• 1
• 2
• 3
• 4

输出的结果为(adcode为官方地址编码)：

   省     市    区          地址              adcode
0 上海市 上海市  徐汇区     虹漕路461号58号楼5楼  310104
1 福建省 泉州市  洛江区     万安塘西工业区        350504
2 北京市 市辖区  朝阳区     北苑华贸城           110105

 

• 1
• 2
• 3
• 4

地理小提示：在中国行政区划中，直辖市的区都不是直接挂在直辖市下面的，而是挂在唯一的一个市辖区下面，普通的市下面也会有市辖区，但是普通的市辖区只是 三级行政单位，不像直辖市的市辖区，是二级行政单位

如果你想获知程序是从字符串的哪个位置提取出省市区名的，可以添加一个pos_sensitive=True参数：

location_str = ["徐汇区虹漕路461号58号楼5楼", "泉州市洛江区万安塘西工业区", "北京朝阳区北苑华贸城"]
import cpca
df = cpca.transform(location_str, pos_sensitive=True)
df

 

• 1
• 2
• 3
• 4

输出如下：

     省    市    区        地址               adcode     省_pos  市_pos 区_pos
0  上海市  上海市  徐汇区  虹漕路461号58号楼5楼   310104     -1     -1      0
1  福建省  泉州市  洛江区  万安塘西工业区         350504     -1      0      3
2  北京市  市辖区  朝阳区  北苑华贸城            110105     -1     -1      0

 

• 1
• 2
• 3
• 4

其中省_pos，市_pos和区_pos三列大于-1的部分就代表提取的位置。-1则表明这个字段是靠程序推断出来的，或者没能提取出来。

地图绘制

---

模块中还自带一些简单绘图工具，可以在地图上将上面输出的数据以热力图的形式画出来.

这个工具依赖folium，为了减小本模块的体积，所以并不会预装这个依赖，在使用之前请使用pip install folium .

代码如下：

from cpca import drawer
#df为上一段代码输出的df
drawer.draw_locations(df, "df.html")

 

• 1
• 2
• 3

这一段代码运行结束后会在运行代码的当前目录下生成一个df.html文件，用浏览器打开即可看到
绘制好的地图（如果某条数据’省’，'市’或’区’字段有缺，则会忽略该条数据不进行绘制），速度会比较慢，需要耐心等待，绘制的图像如下：

还有更多的绘图工具请参考Github上的README中大标题为“示例与测试用例”的部分。