使用Python的GeoPy Geocoders处理邮编地址列分类错误的求助

我是Python新手，尝试用GeoPy处理CSV中的账单邮编数据，提取城市、州/省、国家信息并存入对应列。目前代码可运行，但仅按逗号拆分地址字符串，导致分类错误：如邮编93049对应的Bayern被误分到城市列（应属州/省），邮编95684对应的California被误分到城市列（应属州/省）。

当前代码 #

import csv
import pandas as pd
from geopy.geocoders import Nominatim

test_filename='test.csv'
df=pd.read_csv(test_filename, dtype=object, index_col = 1)
df.head()

geolocator = Nominatim(user_agent="user_me")

from geopy.extra.rate_limiter import RateLimiter
geocode = RateLimiter(geolocator.geocode, min_delay_seconds=1)
Address = geolocator.geocode("Billing Zip")
df['Address'] = df["Billing Zip"].apply(geocode)
df['Address'] = df['Address'].astype(str).str.replace('.', '')

df[['City', 'County', 'State', 'Zip Code', 'Country', ' ', ' ']] = df.Address.str.split(',' , expand = True)
print(df.head())

当前输出 #

期望输出 #

不要通过拆分字符串提取地址组件，GeoPy返回的Location对象本身包含结构化的地址数据（存放在raw属性的字典中），直接从字典按类型提取字段，能彻底避免字符串拆分的格式错误。

核心思路 #

1. 保留Location原始对象，不转成字符串
2. 从对象的raw['address']字典中，按地址类型（城市、州/省、国家）提取对应值
3. 适配不同国家的地址字段命名差异（比如部分国家用province而非state表示州/省）

完整修改代码 #

import pandas as pd
from geopy.geocoders import Nominatim
from geopy.extra.rate_limiter import RateLimiter

test_filename='test.csv'
df = pd.read_csv(test_filename, dtype=object)

geolocator = Nominatim(user_agent="user_me")
geocode = RateLimiter(geolocator.geocode, min_delay_seconds=1)

# 保留Location原始对象，不转字符串
df['Location'] = df["Billing Zip"].apply(geocode)

# 定义地址组件提取函数
def parse_address(location):
    if not location:
        return pd.Series([None, None, None])
    addr = location.raw.get('address', {})
    # 提取城市：优先取city，无则取town，再无留空
    city = addr.get('city') or addr.get('town') or None
    # 提取州/省：优先取state，无则取province
    state = addr.get('state') or addr.get('province') or None
    # 提取国家
    country = addr.get('country') or None
    return pd.Series([city, state, country])

# 生成目标列
df[['City', 'State', 'Country']] = df['Location'].apply(parse_address)

# 可选：生成地址字符串列（如果需要展示）
df['Address'] = df['Location'].astype(str).str.replace('.', '')

# 输出结果
print(df[['Billing Zip', 'Address', 'City', 'State', 'Country']].head())

方案优势 #

• 准确性：依赖Nominatim返回的结构化数据，完全避免字符串拆分的格式误判
• 兼容性：自动适配不同国家的地址字段命名规则
• 扩展性：后续需提取县、街道等其他字段时，只需在函数中添加对应字典键即可

内容的提问来源于stack exchange，提问作者newbiezz