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：

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：

模块安装

目前支持python3

pip install cpca

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

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", "朝阳区北苑华贸城"]from cpca import *
df = transform(location_str)
df

输出的结果为：

     区    市      省
0  徐汇区  上海市  上海市
1  洛江区  泉州市  福建省
2  朝阳区  北京市  北京市

尝试着对代码稍加修改（其实就是将transform方法的umap参数置为空字典）：

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", "朝阳区北苑华贸城"]from cpca import *
df = transform(location_str, umap={})
df

会发现输出变为：

     区    市      省
0  徐汇区  上海市  上海市
1  洛江区  泉州市  福建省
2  朝阳区

发现这种情况的原因是中国其实不止一个“朝阳区”，除了北京市有一个“朝阳区”外，长春市也有一个“朝阳区”，这样的话，程序就不知道该把“朝阳区”映射到哪个市。之所以前一段程序能够成功地将“朝阳区”映射成“北京市”，是因为当你不传umap参数的时候，会默认传一个笔者推荐的字典，其内容如下（在cpca.py中）：

myumap = {'南关区': '长春市', '南山区': '深圳市', '宝山区': '上海市', '市辖区': '东莞市', '普陀区': '上海市', '朝阳区': '北京市', '河东区': '天津市', '白云区': '广州市', '西湖区': '杭州市', '铁西区': '沈阳市'}

你会发现，其中指定了将”朝阳区“映射到北京市，因为笔者在测试数据中发现，数据中的”朝阳区“基本上都是指北京市那个”朝阳区“（原因可能是北京市的”朝阳区“的经济以及知名度要远比长春市的那个”朝阳区“发达）。当然，默认的这个umap并没有囊括中国所有的重名区，因为有的时候，两个重名区在数据中都经常被提及，无法强制指定将某个区映射成固定的市，比如福州市的“鼓楼区”与南京市的“鼓楼区”，都是经常被提及的地名。

看看下面一个例子：

location_str = ["福建省鼓楼区软件大道89号"]from cpca import *
df = transform(location_str)
df

输出结果为：

     区    市   省
0  鼓楼区       福建省

并且还会产生一个警告信息：

WARNING:root:建议添加到umap中的区有：{'鼓楼区'},有多个市含有相同名称的区

当程序发现重名区并且不知道将其映射到哪一个市时，会将其加入警告信息，提示用户最好根据数据给它指定一个市进行映射。

当使用以下代码时就能成功地将“鼓楼区”映射到“福州市”：

location_str = ["福建省鼓楼区软件大道89号"]from cpca import *
df = transform(location_str, umap={"鼓楼区":"福州市"})
df

输出结果：

     区    市      省
0  鼓楼区  福州市  福建省

好在中国只有在三级行政区存在重名问题，二级与一级行政区的名称都是唯一的。

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_drawers import *#df为上一段代码输出的dfdraw_locations(df, "df.html")

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：

地图绘制

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。

作者：燃烧杯
链接：https://www.jianshu.com/p/492440baca87