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：
| 地址描述 |
|---|
| 广州国际采购中心1401 |
| 上海市长宁区金钟路658弄5号楼5楼 |
| 徐汇区虹漕路461号58号楼5楼 |
| 济南市历下区和平路34号轻骑院内东二层山东朵拉 |
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：
| 省 | 市 | 区 |
|---|---|---|
| 广东省 | 广州市 | |
| 上海市 | 上海市 | 长宁区 |
| 上海市 | 上海市 | 徐汇区 |
| 山东省 | 济南市 | 历下区 |
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
随时随地看视频
