如何用Python从DataFrame的IP地址列生成对应城市列？

我有一个名为loaddata1的DataFrame，其中包含IP_Adress列用于存储IP地址，想要新增一列city来显示每个IP对应的城市。IP_Adress列存在部分空值，我尝试了以下代码但无法正常运行：

loaddata1 = pd.DataFrame({'ip': loaddata1['IP_Adress']})

loaddata1['city'] = loaddata1.loc[loaddata1['ip'].notna(), 'ip'].apply(lambda x: geocoder.ip(x).city) 
print(loaddata1['IP_Adress'], loaddata1['city'])

运行后出现报错，无法得到预期结果。

问题分析 #

1. 第一行代码将原loaddata1替换为仅含ip列的新DataFrame，导致原IP_Adress列丢失，后续打印时会因找不到该列报错。
2. 直接使用geocoder.ip(x).city未做异常处理，遇到无效IP、API请求失败时会直接中断程序。
3. 空值处理逻辑不够严谨，容易引发不必要的调用。

修正后的代码 #

首先确保安装依赖库：

pip install pandas geocoder

然后执行以下代码：

import pandas as pd
import geocoder

# 定义IP转城市的函数，包含空值判断与异常捕获
def get_city(ip):
    if pd.isna(ip):
        return None
    try:
        geo_result = geocoder.ip(ip)
        # 如果解析不到城市，返回None
        return geo_result.city if geo_result.city else None
    except Exception as err:
        print(f"解析IP {ip}失败: {err}")
        return None

# 直接在原DataFrame新增city列，保留原有数据结构
loaddata1['city'] = loaddata1['IP_Adress'].apply(get_city)

# 查看结果
print(loaddata1[['IP_Adress', 'city']])

额外建议 #

如果遇到geocoder API请求频率限制或解析不稳定的情况，可以考虑使用本地IP数据库（如MaxMind的GeoIP2），无需依赖外部API，解析速度更快且更稳定。

内容的提问来源于stack exchange，提问作者Asif Sayed