想要从 pandas dataframe 的邮政编码后出现的地址中提取城市名称。 鉴于: 10 rue des Treuils BP 12 33023,法国波尔多 我想从数据框列中提取 Bordeaux。
城市名称始终在逗号之后,但不保证是一个单词。需要剥离国家名称,这将是一个固定的字符串,如 France 、 Italy 等。
更多法国城市名的例子
双阿尔卑斯山
重要的是
请您参考如下方法:
United States will be fixed string which can be stripped off as on exact match
我的解决方案是删除国家/地区名称,这将只留下城市名称。
这种方法似乎更容易,因为国家/地区名称是固定的,并且可以根据 list 轻松删除,即:
split()根据逗号将地址一分为二(,);replace()国家名称为nothing;- 使用 panda 的
apply()应用包含上述步骤的get_city()函数。 - 使用 panda 的
tolist()将列City转换为列表。最后一步是可选的,因为它取决于您将如何处理城市名称。
即:
import pandas as pd
addresses = [['10 rue des Treuils BP 12 33023, Bordeaux France'],['Rua da Alegria 22, Lisboa Portugal'],['22 Some Street, NYC United States']]
df = pd.DataFrame(addresses,columns=['Address'])
countries = ['Portugal', 'France', 'United States']
def get_city(address):
city_country = address.split(",")[1]
for i in countries: city = city_country.replace(i, "")
return city.strip()
df['City'] = df['Address'].apply(get_city)
print (df['City'].tolist())
输出:
['Bordeaux', 'Lisboa', 'NYC']
附言: 您可能需要lower() 地址和国家/地区列表以避免大小写SenSitIve 不匹配。
