Python 如何正确地标准化地址类型

我正试图通过将缩写词转换成完整的单词来标准化街道地址（例如RD-Road）。我创建了许多行来解释不同的拼写，并遇到了一个问题，其中一个替换代码覆盖了另一个

import pandas as pd 

mydata = {'Street_type': ['PL', 'pl', 'Pl', 'PLACE', 'place']}
mydata = pd.DataFrame(mydata)

mydata['Street_type'] = mydata['Street_type'].replace('PL','Place',regex=True)
mydata['Street_type'] = mydata['Street_type'].replace('pl','Place',regex=True)
mydata['Street_type'] = mydata['Street_type'].replace('Pl','Place',regex=True)
mydata['Street_type'] = mydata['Street_type'].replace('PLACE','Place',regex=True)
mydata['Street_type'] = mydata['Street_type'].replace('place','Place',regex=True)

---

我得到了Placeace，而不是Placeace。避免此错误的最佳方法是什么？我是否编写if-else语句或任何函数？提前谢谢

在其他问题中，存在重叠逻辑：在替换目标（“旧”）字符串之前，无法检查其是否为完整单词。例如，使用输入类型“PLACE”，可以触发第一次和第三次替换，在达到所需条件之前生成

PlaceACE

，然后生成

PlaceACE

您需要仔细检查跟踪和排除逻辑，然后只应用其中一个替换。您可以检查street_类型的长度，并为该长度应用所需的唯一过渡

如果您试图转换

case

语句，那么您需要遵循该逻辑模式，而不是您编写的后续应用程序。您可以很容易地查找如何在Python中模拟“case”语句

也可考虑使用翻译词典，如

type_trans = {
    "pl":    "Place",
    "Pl":    "Place",
    "PLACE": "Place",
    ...
}

那么你的变化很简单

mydata['Street_type'] = type_trans[mydata['Street_type']]

此外，还可以在元组中列出所有变量，例如：

type_place = ("PL", "Pl", "pl", "PLACE", "place")
if mydata['Street_type'] in type_place
mydata['Street_type'] = "Place"

---

。。。但是，请确保对整个街道类型列表进行适当的概括。

除其他问题外，还存在重叠逻辑：在替换目标（“旧”）字符串之前，无法检查其是否为完整单词。例如，使用输入类型“PLACE”，可以触发第一次和第三次替换，在达到所需条件之前生成

PlaceACE

，然后生成

PlaceACE

您需要仔细检查跟踪和排除逻辑，然后只应用其中一个替换。您可以检查street_类型的长度，并为该长度应用所需的唯一过渡

如果您试图转换

case

语句，那么您需要遵循该逻辑模式，而不是您编写的后续应用程序。您可以很容易地查找如何在Python中模拟“case”语句

也可考虑使用翻译词典，如

type_trans = {
    "pl":    "Place",
    "Pl":    "Place",
    "PLACE": "Place",
    ...
}

那么你的变化很简单

mydata['Street_type'] = type_trans[mydata['Street_type']]

此外，还可以在元组中列出所有变量，例如：

type_place = ("PL", "Pl", "pl", "PLACE", "place")
if mydata['Street_type'] in type_place
mydata['Street_type'] = "Place"

---

。。。但是，请确保对整个街道类型列表进行适当的概括。

如果您在此处使用适当的正则表达式，则只需一次即可正确完成此操作，例如使用单词边界（\b）：

---

如果在此处使用适当的正则表达式，例如使用单词边界（\b），则只需一次通过即可正确执行此操作：

#needermanwunch
def零（形状）：
retval=[]
对于范围内的x（形状[0]）：
retval.append（[]）
对于范围内的y（形状[1]）：
retval[-1]。追加（0）
返回返回
比赛奖=10
错配惩罚=-3
差距(u)惩罚=-4(无论是开局还是开局)
def匹配_分数（α、β）：
如果α=β：
返回比赛奖
elif alpha='-'或beta='-'：
返回间隙(u)惩罚
其他：
回报率与违约金
def最终确定（校准1、校准2）：
align1=align1[：-1]#倒序1
align2=align2[：-1]#倒序2
i、 j=0,0
#计算身份、分数和对齐顺序
符号=“”
找到=0
分数=0
标识=0
对于范围（0，len（align1））中的i：
#如果两个AAs相同，则输出字母
如果align1[i]==align2[i]：
symbol=symbol+align1[i]
标识=标识+1
分数+=匹配分数（对齐1[i]，对齐2[i]）
#如果它们不相同，并且没有一个是gap
elif align1[i]！=align2[i]和align1[i]！='-'和align2[i]！='-'：
分数+=匹配分数（对齐1[i]，对齐2[i]）
符号+=“”
找到=0
#如果其中一个是间隙，则输出一个空格
elif align1[i]='-'或align2[i]='-'：
符号+=“”
分数+=差距\处罚
标识=浮动（标识）/len（对齐1）*100
打印（'Similarity='，%3.3f”%identity，'percent'）
打印（'分数='，分数）
#打印（对齐1）
#印刷品（符号）
#打印（对齐2）
def针（序号1、序号2）：
m、 n=len（seq1），len（seq2）#两个序列的长度
#生成DP表和回溯路径指针矩阵
分数=零（（m+1，n+1））#DP表
#计算DP表
对于范围（0，m+1）内的i：
分数[i][0]=差距(罚分)*i
对于范围（0，n+1）内的j：
分数[0][j]=差距_处罚*j
对于范围（1，m+1）内的i：
对于范围（1，n+1）内的j：
匹配=分数[i-1][j-1]+匹配分数（序号1[i-1]，序号2[j-1]）
删除=得分[i-1][j]+差距处罚
插入=得分[i][j-1]+差距惩罚
分数[i][j]=最大值（匹配、删除、插入）
#回溯并计算对齐
align1，align2='''''
i、 j=m，n#从右下角单元格开始
当i>0和j>0时：#结束于顶部或左侧边缘
分数\当前=分数[i][j]
分数=分数[i-1][j-1]
分数=分数[i][j-1]
分数=分数[i-1][j]
如果当前得分==对角线得分+匹配得分（序号1[i-1]，序号2[j-1]）：
align1+=seq1[i-1]
align2+=seq2[j-1]
i-=1
j-=1
elif分数\当前==分数\左+差距\惩罚：
align1+=seq1[i-1]
align2+='-'
i-=1
elif分数=当前分数==分数+差距惩罚：
align1+='-'
align2+=seq2[j-1]
j-=1
#完成到左上角单元格的跟踪
当i>0时：
align1+=seq1[i-1]
align2+='-'
i-=1
当j>0时：
align1+='-'
艾尔