[经验]

Python pacp模块——自动识别文字中的省市区并绘图

mushenmu

2022-6-27 17:20:23

2129 python 自动识别

一个用于提取简体中文字符串中省，市和区并能够进行映射，检验和简单绘图的python模块。
举个例子：

["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"]
↓ 转换
|省 |市 |区 |地址 |
|上海市|上海市|徐汇区|虹漕路461号58号楼5楼 |
|福建省|泉州市|洛江区|万安塘西工业区 |

复制代码

注：“地址”列代表去除了省市区之后的具体地址

也可以将大段文本中所有提到的地址提取出来，并且自动将相邻的存在所属关系的地址归并到一条记录中（0.5.5版本新功能）：

"分店位于徐汇区虹漕路461号58号楼5楼和泉州市洛江区万安塘西工业区以及南京鼓楼区"
↓ 转换
|省 |市 |区 |
|上海市|上海市|徐汇区|
|福建省|泉州市|洛江区|
|江苏省|南京市|鼓楼区|

复制代码

代码目前仅仅支持python3

pip install cpca

复制代码

注:cpca是chinese province city area的缩写

如果觉得本模块对你有用的话，施舍个star，谢谢。
常见安装问题：
在 windows 上可能会出现类似如下问题

Building wheel for pyahocorasick (setup.py) ... error

复制代码

先去下载 Microsoft Visual C++ Build Tools，安装完成后，再重新使用 pip install cpca 安装，即可解决问题
开始使用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", "北京朝阳区北苑华贸城"]
import cpca
df = cpca.transform(location_str)
df

复制代码

输出的结果为(adcode为官方地址编码)：

省市区地址 adcode
0 上海市上海市徐汇区虹漕路461号58号楼5楼 310104
1 福建省泉州市洛江区万安塘西工业区 350504
2 北京市市辖区朝阳区北苑华贸城 110105

复制代码

如果你想获知程序是从字符串的那个位置提取出省市区名的，可以添加一个pos_sensitive=True参数：

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", "北京朝阳区北苑华贸城"]
import cpca
df = cpca.transform(location_str, pos_sensitive=True)
df

复制代码

输出如下：

省市区地址 adcode 省_pos 市_pos 区_pos
0 上海市上海市徐汇区虹漕路461号58号楼5楼 310104 -1 -1 0
1 福建省泉州市洛江区万安塘西工业区 350504 -1 0 3
2 北京市市辖区朝阳区北苑华贸城 110105 -1 -1 0

复制代码

从大段文本中提取多个地址（0.5.5版本新功能）：

import cpca
df = cpca.transform_text_with_addrs("分店位于徐汇区虹漕路461号58号楼5楼和泉州市洛江区万安塘西工业区以及南京鼓楼区")
df

复制代码

结果为（注意 transform_text_with_addrs 获得的数据，“地址”列都是空的）：

省市区地址 adcode
0 上海市市辖区徐汇区 310104
1 福建省泉州市洛江区 350504
2 江苏省南京市鼓楼区 320106

复制代码

transform_text_with_addrs 还支持和 transform 类似的 index, pos_sensitive 以及 umap 参数
绘图：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：

import cpca
from cpca import drawer
df = cpca.transform_text_with_addrs("分店位于徐汇区虹漕路461号58号楼5楼和泉州市洛江区万安塘西工业区以及南京鼓楼区")
drawer.draw_locations(df[cpca._ADCODE], "df.html")

复制代码