如何基于DataFrame经纬度获取国家名并提取欧盟GROW传感器数据

你的代码存在7处核心错误，会直接导致运行失败、结果不准：

• 欧盟国家集合定义错误：将Greece（希腊）和Hungary（匈牙利）误写为同一个字符串Greece Hungary，会导致这两个国家的记录全部匹配失败
• 语法缩进错误：for循环下的所有执行代码没有缩进，Python运行时会直接报语法错
• 空值处理无效：locations.dropna(axis=0, how='any')没有将结果赋值回原变量，这行代码执行后不会对原数据产生任何修改
• 坐标传参顺序错误：geolocator.reverse要求传入坐标的顺序为(纬度, 经度)，原代码传入的是(经度, 纬度)，会导致所有坐标定位结果完全错误
• 坐标过滤逻辑缺陷：GROW传感器数据集普遍存在经纬度字段值互换的问题，仅做数值范围过滤会保留大量坐标错误的记录，同时漏掉有效数据
• 反向查询无容错：没有处理网络超时、坐标无匹配结果的异常情况，遇到异常时代码会直接崩溃；且user_agent设置为http极易被Nominatim服务封禁
• 结果存储逻辑错误：每次匹配到欧盟国家的记录时，都会覆盖countries变量的原有值，最终只能得到最后一条匹配的记录，且没有关联原始传感器的其他字段，无法输出完整的传感器数据集

import pandas as pd
import time
from geopy.geocoders import Nominatim
# 修正欧盟国家集合，补全希腊、匈牙利
EU = {
    'Austria', 'Belgium', 'Bulgaria', 'Croatia', 'Cyprus', 'Czechia', 'Denmark',
    'Estonia', 'Finland', 'France', 'Germany', 'Greece', 'Hungary', 'Ireland', 'Italy',
    'Latvia', 'Lithuania', 'Luxembourg', 'Malta', 'Netherlands', 'Poland', 'Portugal',
    'Romania', 'Slovakia', 'Slovenia', 'Spain', 'Sweden'
}
# 初始化地理编码器，设置合规的user_agent
geolocator = Nominatim(user_agent="grow_sensor_eu_filter", timeout=10)
# 读取全量数据，保留所有传感器字段
locations = pd.read_csv('GrowLocations.csv')
# 去重、去空值
locations = locations.drop_duplicates(keep='first')
locations = locations.dropna(axis=0, how='any', subset=['Latitude', 'Longitude'])
# 修正经纬度互换问题：纬度值必然在[-90,90]区间，经度值必然在[-180,180]区间
def correct_coord(row):
    lat, lon = row['Latitude'], row['Longitude']
    if not (-90 <= lat <= 90) and (-90 <= lon <=90) and (-180 <= lat <=180):
        return lon, lat
    return lat, lon
locations[['Latitude', 'Longitude']] = locations.apply(correct_coord, axis=1, result_type='expand')
# 过滤合法经纬度范围的记录
locations = locations[(locations['Latitude'].between(-90, 90)) & (locations['Longitude'].between(-180, 180))]
# 存储符合条件的欧盟境内传感器记录
eu_sensors = []
for idx, row in locations.iterrows():
    lat = row['Latitude']
    lon = row['Longitude']
    try:
        location = geolocator.reverse((lat, lon), language='en')
        # 无匹配结果直接跳过
        if not location:
            time.sleep(1)
            continue
        country = location.raw.get('address', {}).get('country', '')
        if country in EU:
            record = row.to_dict()
            record['country'] = country
            eu_sensors.append(record)
    except Exception as e:
        print(f"坐标({lat},{lon})查询失败: {str(e)}")
    # 遵守Nominatim免费接口调用频率限制
    time.sleep(1)
# 转换为DataFrame输出
eu_sensors_df = pd.DataFrame(eu_sensors)
# 保存结果
eu_sensors_df.to_csv('EU_GROW_sensors.csv', index=False)
print(f"共提取到欧盟境内GROW传感器记录{len(eu_sensors_df)}条，已保存至EU_GROW_sensors.csv")

注意：如果你的数据集记录量超过1000条，不建议使用Nominatim免费接口做批量查询，会触发访问频率限制，可替换为本地部署的离线地理编码库（如GeoPandas结合Natural Earth的国家边界数据）做空间匹配，效率会提升数百倍。

内容的提问来源于stack exchange，提问作者Aigerim