Python 重写一个提取字符串中行政区划的 Series（下）

创作背景

本菜鸡最近在数据分析时遇到这样一列数据，如图

我想进行的操作是：

1. 提取其中 各行政区划及名称。eg: 江苏省，北京市 这种。目标已达成，详见文章。
2. 像 pd.to_datetime() 后可以调用 time_series.dt.year 返回对应的 年序列 一样，我的 area_series 可以返回对应的 省，市，市辖区/县。详见本文。
3. 注：本文将 市辖区 和 县 认为是 平级，便于数据提取，如有不妥请指正。

如果觉得我这篇文章写的好的话，能不能给我 点个赞 ，评论 一波。
如果要点个 关注 的话也不是不可以🤗

思路分析 - 编写类方法

返回一个结果

首先我们得写个方法，作用如下：

1. 显示的结果是 原字符串，方法是设置函数 __str__ 。
2. 返回属性 province，city，county 对应的数据，方法是使用装饰器 @property 。

代码如下：

divisions = {
    'province': ['省', '自治区'], 
    'city': ['市'], 
    'county': ['区', '旗', '县']
}
class ToCityOne:
    
    def __init__(self, word):
        
        self.word = word
        
        self.result = {}
        
        self.__extract()
    
    def __check_exist(self, area, names):
        
        for name in names:
            if name in area:
                return area
        else:
            return ''
            
    # 同上一篇文章
    def __extract(self):
        
        # '\S+省|\S+自治区|\S+市|\S+旗|\S+区|\S+县'
        result = re.findall('|'.join(['|'.join(['\S+' + char for char in chars]) for chars in divisions.values()]), self.word)

        count = 0

        for key in divisions:

            if count != len(result):
                test_exist = self.__check_exist(result[count], divisions[key])
                
                self.result[key] = test_exist

                if test_exist:
                    count += 1

            else:
                self.result[key] = ''
    
    @property
    def province(self):
        return self.result['province']
    
    @property
    def city(self):
        return self.result['city']
    
    @property
    def county(self):
        return self.result['county']
        
    def __str__(self):
        return self.word
    
    __repr__ = __str__

其中：

• __extract 函数用来 解析字符串。
• province，city，county 都是由 property 装饰器创建的 只读属性，property 教程见这里。
• __str__ 和 __repr__ 是直接 print 对象时显示的结果。

测试一下：




可以看出，结果中都包含 空字符串，因为 字符串不包含对应的数据。
结果还是不错的。

返回 Series 结果

上边的 ToCityOne 返回的结果确实还不错，但那都是 提取一个字符串的信息，需要搭配 map 函数。
如果要提取整个 Series 并按属性直接返回一个新的 Series ，那就使用 map 函数，再封装一下就好了。

代码如下：

class ToCity(pd.Series):
    
    def __init__(self, area_series):
    	# 为了能直接返回 Series 对象，使本类继承于 pandas.Series
        super(ToCity, self).__init__(area_series)
        self.series = area_series
        self.result = {}
        self.__process()
        
    def __process(self):
    	# 获得分析字符串后的对象
        result = self.series.map(ToCityOne)
        for key in divisions:
        	# 获得对应的结果列表
            s = result.map(lambda x: eval(f'x.{key}'))
            self.result[key] = s
    
    @property
    def province(self):
        return self.result['province']
    
    @property
    def city(self):
        return self.result['city']
    
    @property
    def county(self):
        return self.result['county']

测试一下：




看起来不错，算是成功达到目标！

---

---

---

结尾

有想要一起学习 python 的小伙伴可以 私信我 进群哦。

以上就是我要分享的内容，因为学识尚浅，会有不足，还请各位大佬指正。
有什么问题也可在评论区留言。