对于下表所示的地址序列(pd.Series),提取出每个元素的省市区,并单独生成列。
山东省济宁市邹城市孟子大道前韩村东北991米 |
湖北省恩施土家族苗族自治州宣恩县G6911(安来高速)酸枣坪北526米 |
广东省惠州市惠城区S120(龙和路) |
湖南省邵阳市大祥区G60(潭邵高速) |
湖南省衡阳市衡南县兴中成不锈钢衡南县总代理西120米 |
需要采用的是Python里的jieba包,jieba包的安装可以在连网的情况下使用以下代码
pip install jieba
由于jieba包自身的词库对行政区的掌握不充分,而且可能在处理过程中,一些名词较长的地址无法提取,比如“ 贵州省黔东南苗族侗族自治州黎平县”。安装好后,先导入用于行政区分词的词库。最准确的行政区词库就在国家民政部的网站上:
http://www.mca.gov.cn/article/sj/xzqh/2019/;
选取最新的一份中华人民共和国县以上行政区划代码就好了,将其中的行政区名称整理成utf-8为编码的txt格式的文件,作者整理好的文件如下: