如何对Pandas DataFrame列逐行执行scourgify地址标准化并追加结果

解决方案 #

首先安装所需依赖：

pip install pandas scourgify

完整处理代码如下：

import pandas as pd
from scourgify import normalize_address_record

# 构造模拟数据集
data = [['a', '123 southwest Main street, Boring, or, 97203'], ['b', '4285 balsam la n plymouth mn 55441'], ['c', '632 bloomington ave s minneapolis mn 55417']]
df = pd.DataFrame(data, columns = ['id', 'address_original'])

# 定义地址标准化函数，增加异常处理避免个别地址解析失败中断全量流程
def normalize_addr(addr_str):
    try:
        return normalize_address_record(addr_str)
    except:
        # 解析失败的地址返回空字段，可根据需求调整返回规则
        return {
            'address_line_1': '',
            'address_line_2': '',
            'city': '',
            'state': '',
            'postal_code': ''
        }

# 批量处理地址列，将返回的字典结构转为表格结构
normalized_df = df['address_original'].apply(normalize_addr).apply(pd.Series)

# 拼接原始表和标准化后的字段
df = pd.concat([df, normalized_df], axis=1)

处理后最终的DataFrame样例如下：

关键逻辑说明 #

• apply方法对应你熟悉的R语言中apply/purrr::map系列函数的功能，可以对整列的每一行值批量执行操作
• 异常处理为可选配置，建议保留，实际业务中存在大量格式不规范的地址可能触发scourgify的解析错误
• pd.concat可以直接按行索引对齐拼接原始表和标准化后的字段，无需额外做匹配操作

内容的提问来源于stack exchange，提问作者TDP