使用geopy pandas具有坐标的新列

使用geopy pandas具有坐标的新列

您可以

apply

在每一行上调用并传递要执行的函数，如下所示：

In [9]:geolocator = Nominatim()df['city_coord'] = df['state_name'].apply(geolocator.geopre)dfOut[9]:    city_name state_name       county_name    WASHINGTON         DC  DIST OF COLUMBIA   1  WASHINGTON         DC  DIST OF COLUMBIA         city_coord  0  (District of Columbia, United States of Americ...  1  (District of Columbia, United States of Americ...

然后，您可以访问纬度和经度属性：

In [16]:df['city_coord'] = df['city_coord'].apply(lambda x: (x.latitude, x.longitude))dfOut[16]:    city_name state_name       county_name city_coord0  WASHINGTON         DC  DIST OF COLUMBIA  (38.8937154, -76.9877934586326)1  WASHINGTON         DC  DIST OF COLUMBIA  (38.8937154, -76.9877934586326)

或在同一班轮中致电

apply

两次：

In [17]:df['city_coord'] = df['state_name'].apply(geolocator.geopre).apply(lambda x: (x.latitude, x.longitude))dfOut[17]:    city_name state_name       county_name city_coord0  WASHINGTON         DC  DIST OF COLUMBIA  (38.8937154, -76.9877934586326)1  WASHINGTON         DC  DIST OF COLUMBIA  (38.8937154, -76.9877934586326)

同样，您的尝试

geolocator.geopre(lambda row: 'state_name'(row))

也无济于事，因此，为什么您有一个充满

None

价值的栏目

编辑

@leb在这里提出了一个有趣的观点，如果您有很多重复的值，则对每个唯一值进行地理编码然后再添加以下代码会更有效：

In [38]:states = df['state_name'].unique()d = dict(zip(states, pd.Series(states).apply(geolocator.geopre).apply(lambda x: (x.latitude, x.longitude))))dOut[38]:{'DC': (38.8937154, -76.9877934586326)}In [40]:    df['city_coord'] = df['state_name'].map(d)dfOut[40]:    city_name state_name       county_name city_coord0  WASHINGTON         DC  DIST OF COLUMBIA  (38.8937154, -76.9877934586326)1  WASHINGTON         DC  DIST OF COLUMBIA  (38.8937154, -76.9877934586326)

因此，上述方法使用来获取所有唯一值

unique

，并从中构造一个字典，然后调用

map

执行查找并添加坐标，这比尝试按行对地址进行地理编码更为有效