从多格式位置信息的Pandas数据框中提取经纬度坐标的实现问题

看起来你在处理多格式位置数据时遇到了正则匹配的瓶颈，我来帮你梳理下问题根源，再给出针对性的解决方案～

一、原代码的问题分析 #

你的代码没匹配到目标坐标，主要是三个细节没考虑到：

1. 整行匹配限制：正则里的^和$要求整行完全符合坐标格式，但像第三行(40.611712, ‐103.234619), Sterling, CO 80751后面跟着额外内容，直接被排除了；
2. 负号类型不兼容：你示例里的负号是全角负号（‐），但原正则只匹配半角负号（-），导致这类坐标被漏掉；
3. 空格强制要求：正则里的\s要求逗号后必须有空格，但第二个例子39.643114,‐104.716489没有空格，匹配失败。

二、针对性解决方案 #

场景1：筛选包含目标坐标的行 #

如果你只是想先把所有带x,y格式坐标的行挑出来，用Pandas的str.contains配合修正后的正则更高效：

import pandas as pd
import re

# 模拟你的数据框
csg = pd.DataFrame({
    "Locations": [
        "12010 HWY 61",
        "39.643114,‐104.716489",
        "(40.611712, ‐103.234619), Sterling, CO 80751",
        "39.111393, ‐108.410419",
        "40°29'59.8\"N, 104°37'14.9\"W"
    ]
})

# 修正后的正则：兼容半/全角负号、逗号后可选空格，允许坐标出现在行内任意位置
coords_pattern = r'-?\d+\.\d+,\s?[‐-]?\d+\.\d+'

# 筛选符合条件的行
filtered_rows = csg[csg["Locations"].str.contains(coords_pattern, regex=True)]
print(filtered_rows)

场景2：提取具体的经纬度值 #

如果还需要把坐标从文本里剥离出来，生成单独的纬度/经度列，用str.extract更合适：

# 支持带括号的坐标格式，精准提取经纬度数值
extract_pattern = r'[(-]?(-?\d+\.\d+),\s?[‐-]?(\d+\.\d+)[)]?'

# 提取并生成新列
csg[["Latitude", "Longitude"]] = csg["Locations"].str.extract(extract_pattern)

# 过滤掉无有效坐标的行（地址、度分秒格式）
result = csg.dropna(subset=["Latitude", "Longitude"])
print(result)

场景3：修正你的循环代码 #

如果你坚持要用iterrows的方式，只需要把正则改成非整行匹配，同时兼容半/全角负号：

xy = []
coords_pattern = r'-?\d+\.\d+,\s?[‐-]?\d+\.\d+'

for i, row in csg.iterrows():
    # 用search代替match，允许坐标出现在行内任意位置
    if re.search(coords_pattern, row["Locations"]):
        xy.append(row)

# 转成数据框方便查看
xy_df = pd.DataFrame(xy)
print(xy_df)

三、关键正则说明 #

给你拆解下修正后正则的核心部分：

• [‐-]：同时匹配半角负号-和全角负号‐，解决示例中的负号兼容问题；
• \s?：匹配0个或1个空格，兼容逗号后有无空格的情况；
• 去掉^和$：允许坐标出现在行内任何位置，适配带额外地址信息的行；
• [(-]?和[)]?：可选匹配开头的(或-、结尾的)，兼容带括号的坐标格式。

备注：内容来源于stack exchange，提问作者cascad