如何利用GeoDataFrame将英国市县映射至行政区以合并数据集？

1. 先梳理GeoDataFrame的关键字段 #

加载你的BFC GeoDataFrame，确认其中的市县名称与对应行政区名称字段——英国2021年BFC数据通常包含BFC21NM（市县/单一管理区名称）和LAD21NM（所属行政区名称），你可以根据实际输出调整字段名：

import geopandas as gpd
import pandas as pd

# 加载GeoDataFrame
bfc_gdf = gpd.read_file("你的BFC GeoJSON文件路径")

# 查看核心字段示例
print(bfc_gdf[["BFC21NM", "LAD21NM"]].head())

2. 标准化名称格式（避免匹配失败） #

两个数据集的名称常存在大小写、前缀（如"City of"）、空格差异，先统一格式：

# 处理GeoDataFrame的名称：转小写、去空格、移除冗余前缀
bfc_gdf["clean_bfc_name"] = bfc_gdf["BFC21NM"].str.lower().str.strip()
bfc_gdf["clean_bfc_name"] = bfc_gdf["clean_bfc_name"].str.replace(r"city of |borough of |district of ", "", regex=True)

# 用同样规则处理housing_df的市县名称
housing_df["clean_housing_name"] = housing_df["你的市县列名"].str.lower().str.strip()
housing_df["clean_housing_name"] = housing_df["clean_housing_name"].str.replace(r"city of |borough of |district of ", "", regex=True)

3. 构建市县→行政区的映射关系 #

从GeoDataFrame中提取唯一的市县-行政区对应关系，避免重复映射：

# 去重后生成映射字典
district_mapping = bfc_gdf.drop_duplicates(subset="clean_bfc_name")[["clean_bfc_name", "LAD21NM"]].set_index("clean_bfc_name")["LAD21NM"].to_dict()

4. 给housing_df匹配行政区字段 #

用映射字典为housing_df添加行政区列：

# 匹配行政区
housing_df["行政区名称"] = housing_df["clean_housing_name"].map(district_mapping)

# 检查匹配失败的行（可选）
unmatched = housing_df[housing_df["行政区名称"].isna()]
print("匹配失败的市县：", unmatched["clean_housing_name"].unique())

5. 处理匹配失败的情况（模糊匹配） #

若存在名称拼写差异，用fuzzywuzzy做模糊匹配：

from fuzzywuzzy import process

def match_district(name):
    if pd.isna(name):
        return None
    # 匹配相似度≥80的名称（阈值可调整）
    match, score = process.extractOne(name, list(district_mapping.keys()))
    return district_mapping[match] if score >= 80 else None

# 为匹配失败的行重新匹配
housing_df.loc[housing_df["行政区名称"].isna(), "行政区名称"] = housing_df.loc[housing_df["行政区名称"].isna(), "clean_housing_name"].apply(match_district)

注：需先安装依赖：pip install fuzzywuzzy python-Levenshtein

6. 合并两个数据集 #

housing_df已添加行政区字段，直接与unemp_p_df按行政区名称合并：

# 假设unemp_p_df的行政区列名为"行政区名称"，替换为你的实际列名
merged_df = pd.merge(housing_df, unemp_p_df, on="行政区名称", how="left")

内容的提问来源于stack exchange，提问作者simrpal