Python 获取字典/列表，并映射到具有x个匹配列的数据帧

我有一个包含两列的表。

我一直在探索使用地址解析，理想情况下，我希望解析地址，并将结果放入新的列中

import usaddress
addr='123 Main St. Suite 100 Chicago, IL'

返回解析结果有两个选项，我计划使用更容易添加到数据帧的选项：

usaddress.parse（addr）

parse方法会将地址字符串拆分为多个组件，然后 标记每个组件。（退货清单）

usaddress.tag（addr）

tag方法将尝试变得更智能一点，它将合并连续的组件、带逗号并返回地址类型（返回有序列表）

使用此解析器的地址有26个不同的标记

但是，并非所有地址都包含所有这些标记

我需要获取每一行的完整地址，解析它，将解析结果映射到同一行中的每个匹配列

---

我不太明白如何处理逐行计算和映射结果的逻辑

首先，从解析服务创建一列json响应

df['json_response'] = df['address'].apply(usaddress.pars)

接下来，将所有json组合成一个json字符串

json_combined = json.dumps(list(df['json_response']))

df_parsed = pd.io.json.json_normalize(json.loads(json_combined))

最后将组合的json解析为数据帧（解析json字符串后）

现在，您应该有一个包含所有必需列的结构化数据框架，您可以

df。将
与原始数据框架连接起来，以生成一个统一的数据集

请注意，根据返回的json的结构，您可能需要向`函数传递更多参数。链接页面上的示例是一个很好的起点。
发布此解决方案的时间非常晚，但希望在其他人遇到相同问题时发布

地址csv文件标题：

name, address

进口：

import pandas as pd
import numpy as np
import json
import itertools
import usaddress

def address_func(address):
    try:
        return usaddress.tag(address)
    except:
        return [{'AddressConverstion':'Error'}]

# import file
file = pd.read_excel('addresses.xlsx')

# apply function
file['tag_response'] = file['Full Address'].apply(address_func)

# copy values to new column
file['tags'] = file.apply(lambda row: row['tag_response'][0], axis=1)

# dump json
tags_combined = json.dumps(list(file['tags']))

# create dataframe of parsed info
df_parsed = pd.io.json.json_normalize(json.loads(tags_combined))

# merge dataframes on index
merged = file.join(df_parsed)

谢谢你的回复！方向绝对正确。我在最后一行遇到了一个问题
list object jas no attribute values
如果不查看实际输出，很难准确地知道发生了什么，但是函数
usaddress.pars
似乎不是返回JSON，而是返回一个列表。您需要将列表对转换为具有类似于JSON的键值对结构的dict。查看此链接。
import pandas as pd
import numpy as np
import json
import itertools
import usaddress

def address_func(address):
    try:
        return usaddress.tag(address)
    except:
        return [{'AddressConverstion':'Error'}]

# import file
file = pd.read_excel('addresses.xlsx')

# apply function
file['tag_response'] = file['Full Address'].apply(address_func)

# copy values to new column
file['tags'] = file.apply(lambda row: row['tag_response'][0], axis=1)

# dump json
tags_combined = json.dumps(list(file['tags']))

# create dataframe of parsed info
df_parsed = pd.io.json.json_normalize(json.loads(tags_combined))

# merge dataframes on index
merged = file.join(df_parsed)