addressparser中文地址提取工具,支持中国三级区划地址(省、市、区)提取和映射。
!pip3 install addressparser==0.2.1
省市区提取
默认采用全文模式,不进行分词,直接全文匹配,这样速度慢,准确率高。
import addressparser as addr
locations = ["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"]
df1 = addr.transform(locations)
df1
地址经纬度、省市县级联关系查询
## 查询经纬度信息
addr.latlng[('北京市','北京市','朝阳区')]
(39.95895316640668, 116.52169489108084)
## 查询含有"鼓楼区"的全部地址
addr.area_map.get_relational_addrs('鼓楼区')
[('江苏省', '南京市', '鼓楼区'),
('江苏省', '徐州市', '鼓楼区'),
('福建省', '福州市', '鼓楼区'),
('河南省', '开封市', '鼓楼区')]
注:
city_map可以用来查询含有某个市的全部地址,
province_map可以用来查询含有某个省的全部地址
## 查询含有"江苏省", "鼓楼区"的全部地址
addr.province_area_map.get_relational_addrs(('江苏省', '鼓楼区'))
[('江苏省', '南京市', '鼓楼区'), ('江苏省', '徐州市', '鼓楼区')]
大批量地址处理
#读取数据
import pandas as pd
df = pd.read_csv("addr.csv")
df.dropna(inplace=True) #去重空地址
df.head()
addr_df = addr.transform(df["原始地址"])
addr_df
合并df 和 addr_df 两个数据
processed = pd.concat([df, addr_df], axis=1)
processed.head()
出处
https://github.com/shibing624/addressparser
精选文章系列视频|Python网络爬虫与文本数据分析
语法最简单的微博通用爬虫weibo_crawler
hiResearch 定义自己的科研首页
大邓github汇总, 觉得有用记得star
multistop ~ 多语言停用词库
Jaal 库 轻松绘制动态社交网络关系图
来自kaggle最佳数据分析实践
B站视频 | Python自动化办公
SciencePlots | 科研样式绘图库
使用streamlit上线中文文本分析网站
bsite库 | 采集B站视频信息、评论数据
texthero包 | 支持dataframe的文本分析包
爬虫实战 | 采集&可视化知乎问题的回答
reticulate包 | 在Rmarkdown中调用Python代码
plydata库 | 数据操作管道操作符>>
plotnine: Python版的ggplot2作图库
读完本文你就了解什么是文本分析
文本分析在经管领域中的应用概述
综述:文本分析在市场营销研究中的应用
plotnine: Python版的ggplot2作图库
Wow~70G上市公司定期报告数据集
漂亮~pandas可以无缝衔接Bokeh
YelpDaset: 酒店管理类数据集10+G
“分享”和“在看”是更好的支持