在PowerBI中通过Python从邮政编码提取城市、州及国家信息

当然可以在PowerBI内通过Python脚本实现从邮政编码提取城市、州和国家名称的需求，你的思路是可行的，但现有脚本还有不少可以优化的地方，下面具体说明：

你的当前实现 #

1. 数据获取 #

通过ODBC连接数据库，执行以下SQL从EMPLOYEE_DATA表获取49445条数据：

SELECT
ID,
POSTAL_CODE
FROM EMPLOYEE_DATA;

2. Python脚本实现 #

你编写的PowerBI内嵌Python脚本（已翻译注释）：

# 'dataset' 为脚本的输入数据

# 导入所需库
from geopy.geocoders import Nominatim
from geopy.exc import GeocoderTimedOut

# 从邮政编码提取城市、州、国家的函数
def extract_location(POSTAL_CODE):
    geolocator = Nominatim(user_agent="geoapi")
    try:
        location = geolocator.geocode(POSTAL_CODE, timeout=10)  # 可按需调整超时时间
        if location:
            return location.address.split(", ")[-3:]
        else:
            return ["", "", ""]  # 未找到位置时返回空字符串
    except GeocoderTimedOut:
        return ["", "", ""]  # 地理编码超时返回空字符串


output = dataset.apply(lambda row: extract_location(row['POSTAL_CODE']), axis=1, result_type='expand')

# 重命名输出列
output.columns = ['City', 'State', 'Country']

脚本优化建议 #

1. 避免重复实例化地理编码器
   每次调用extract_location都新建Nominatim实例会浪费资源，建议全局实例化一次：

   # 移到函数外部，全局仅初始化一次
   geolocator = Nominatim(user_agent="geoapi")
   

2. 优化地址解析逻辑
   直接通过split(", ")取最后三个元素的方式不稳定，不同国家地址格式差异极大（比如部分国家无州级行政区）。建议利用location.raw的结构化数据解析：

   if location:
       address_components = location.raw.get('address', {})
       # 兼容不同地区的城市字段命名
       city = address_components.get('city', address_components.get('town', address_components.get('village', '')))
       state = address_components.get('state', address_components.get('province', ''))
       country = address_components.get('country', '')
       return [city, state, country]
   

3. 添加重试机制
   当前超时后直接返回空值，可增加重试逻辑提升成功率：

   def extract_location(POSTAL_CODE, retry_count=2):
       try:
           location = geolocator.geocode(POSTAL_CODE, timeout=10)
           # ... 上面的结构化解析逻辑 ...
       except GeocoderTimedOut:
           if retry_count > 0:
               return extract_location(POSTAL_CODE, retry_count-1)
           else:
               return ["", "", ""]
   

4. 处理批量数据性能与请求限制
   4万条数据逐条调用apply效率偏低，且Nominatim有请求频率限制，建议添加延迟控制请求间隔：

   import time
   
   def extract_location(POSTAL_CODE, retry_count=2):
       time.sleep(1)  # 控制请求间隔，避免被限制
       # ... 原有逻辑 ...
   

5. 规范用户代理设置
   Nominatim要求用户代理能识别你的应用，建议设置更具体的名称，比如"PowerBI-Geocoding-EmployeeDataApp"，降低被限流的概率。

内容的提问来源于stack exchange，提问作者LogicAndArt