Python 使用geopy pandas创建具有坐标的新列

我有一个df：

import pandas as pd
import numpy as np
import datetime as DT
import hmac
from geopy.geocoders import Nominatim
from geopy.distance import vincenty

df


     city_name  state_name  county_name
0    WASHINGTON  DC  DIST OF COLUMBIA
1    WASHINGTON  DC  DIST OF COLUMBIA
2    WASHINGTON  DC  DIST OF COLUMBIA
3    WASHINGTON  DC  DIST OF COLUMBIA
4    WASHINGTON  DC  DIST OF COLUMBIA
5    WASHINGTON  DC  DIST OF COLUMBIA
6    WASHINGTON  DC  DIST OF COLUMBIA
7    WASHINGTON  DC  DIST OF COLUMBIA
8    WASHINGTON  DC  DIST OF COLUMBIA
9    WASHINGTON  DC  DIST OF COLUMBIA

我想得到下面数据框中任意一列的纬度和经度坐标。在处理各个位置的文档时，文档（）非常简单

>>> from geopy.geocoders import Nominatim
>>> geolocator = Nominatim()
>>> location = geolocator.geocode("175 5th Avenue NYC")
>>> print(location.address)
Flatiron Building, 175, 5th Avenue, Flatiron, New York, NYC, New York,     ...
>>> print((location.latitude, location.longitude))
(40.7410861, -73.9896297241625)
>>> print(location.raw)
{'place_id': '9167009604', 'type': 'attraction', ...}

但是，我想将该函数应用于df中的每一行，并创建一个新列。我试过以下方法

df['city_coord'] = geolocator.geocode(lambda row: 'state_name' (row))

但我认为我的代码中缺少了一些东西，因为我得到了以下信息：

    city_name   state_name  county_name coordinates
0    WASHINGTON  DC  DIST OF COLUMBIA    None
1    WASHINGTON  DC  DIST OF COLUMBIA    None
2    WASHINGTON  DC  DIST OF COLUMBIA    None
3    WASHINGTON  DC  DIST OF COLUMBIA    None
4    WASHINGTON  DC  DIST OF COLUMBIA    None
5    WASHINGTON  DC  DIST OF COLUMBIA    None
6    WASHINGTON  DC  DIST OF COLUMBIA    None
7    WASHINGTON  DC  DIST OF COLUMBIA    None
8    WASHINGTON  DC  DIST OF COLUMBIA    None
9    WASHINGTON  DC  DIST OF COLUMBIA    None

In [9]:

geolocator = Nominatim()
df['city_coord'] = df['state_name'].apply(geolocator.geocode)
df
Out[9]:
    city_name state_name       county_name  \
0  WASHINGTON         DC  DIST OF COLUMBIA   
1  WASHINGTON         DC  DIST OF COLUMBIA   

                                          city_coord  
0  (District of Columbia, United States of Americ...  
1  (District of Columbia, United States of Americ...  

我希望使用Lambda函数实现类似的功能：

     city_name  state_name  county_name  city_coord
0    WASHINGTON  DC  DIST OF COLUMBIA    38.8949549, -77.0366456 
1    WASHINGTON  DC  DIST OF COLUMBIA    38.8949549, -77.0366456 
2    WASHINGTON  DC  DIST OF COLUMBIA    38.8949549, -77.0366456 
3    WASHINGTON  DC  DIST OF COLUMBIA    38.8949549, -77.0366456 
4    WASHINGTON  DC  DIST OF COLUMBIA    38.8949549, -77.0366456 
5    WASHINGTON  DC  DIST OF COLUMBIA    38.8949549, -77.0366456 
6    WASHINGTON  DC  DIST OF COLUMBIA    38.8949549, -77.0366456 
7    WASHINGTON  DC  DIST OF COLUMBIA    38.8949549, -77.0366456 
8    WASHINGTON  DC  DIST OF COLUMBIA    38.8949549, -77.0366456 
9    WASHINGTON  DC  DIST OF COLUMBIA    38.8949549, -77.0366456
10   GLYNCO      GA  GLYNN               31.2224512, -81.5101023

---

谢谢你的帮助。在我得到坐标后，我想绘制它们的地图。我们也非常感谢您推荐的坐标映射资源。谢谢

您可以调用

apply

并将要在每一行上执行的函数传递，如下所示：

    city_name   state_name  county_name coordinates
0    WASHINGTON  DC  DIST OF COLUMBIA    None
1    WASHINGTON  DC  DIST OF COLUMBIA    None
2    WASHINGTON  DC  DIST OF COLUMBIA    None
3    WASHINGTON  DC  DIST OF COLUMBIA    None
4    WASHINGTON  DC  DIST OF COLUMBIA    None
5    WASHINGTON  DC  DIST OF COLUMBIA    None
6    WASHINGTON  DC  DIST OF COLUMBIA    None
7    WASHINGTON  DC  DIST OF COLUMBIA    None
8    WASHINGTON  DC  DIST OF COLUMBIA    None
9    WASHINGTON  DC  DIST OF COLUMBIA    None

In [9]:

geolocator = Nominatim()
df['city_coord'] = df['state_name'].apply(geolocator.geocode)
df
Out[9]:
    city_name state_name       county_name  \
0  WASHINGTON         DC  DIST OF COLUMBIA   
1  WASHINGTON         DC  DIST OF COLUMBIA   

                                          city_coord  
0  (District of Columbia, United States of Americ...  
1  (District of Columbia, United States of Americ...  

然后可以访问纬度和经度属性：

In [16]:

df['city_coord'] = df['city_coord'].apply(lambda x: (x.latitude, x.longitude))
df
Out[16]:
    city_name state_name       county_name                       city_coord
0  WASHINGTON         DC  DIST OF COLUMBIA  (38.8937154, -76.9877934586326)
1  WASHINGTON         DC  DIST OF COLUMBIA  (38.8937154, -76.9877934586326)

或者在一行程序中调用两次

apply

：

In [17]:
df['city_coord'] = df['state_name'].apply(geolocator.geocode).apply(lambda x: (x.latitude, x.longitude))
df

Out[17]:
    city_name state_name       county_name                       city_coord
0  WASHINGTON         DC  DIST OF COLUMBIA  (38.8937154, -76.9877934586326)
1  WASHINGTON         DC  DIST OF COLUMBIA  (38.8937154, -76.9877934586326)

此外，您的尝试

geologitor.geocode（lambda行：'state_name'（行））

也没有做任何操作，因此您的列中充满了

None

值

编辑

@leb在这里提出了一个有趣的观点，如果您有许多重复的值，那么对每个唯一的值进行地理编码会更有效，然后添加以下内容：

In [38]:
states = df['state_name'].unique()
d = dict(zip(states, pd.Series(states).apply(geolocator.geocode).apply(lambda x: (x.latitude, x.longitude))))
d

Out[38]:
{'DC': (38.8937154, -76.9877934586326)}

In [40]:    
df['city_coord'] = df['state_name'].map(d)
df

Out[40]:
    city_name state_name       county_name                       city_coord
0  WASHINGTON         DC  DIST OF COLUMBIA  (38.8937154, -76.9877934586326)
1  WASHINGTON         DC  DIST OF COLUMBIA  (38.8937154, -76.9877934586326)

---

因此，上面使用

unique

获取所有唯一值，从中构造一个dict，然后调用

map

执行查找并添加坐标，这将比尝试按行地理编码向上投票并接受@EdChum的答案更有效，我只是想补充一下。他的方法非常有效，但根据个人经验，我想与大家分享以下几点：

在处理地理编码时，如果您有多个重复的城市/州组合，则只发送1个以获得地理编码，然后将其余的复制到下面的其他行要快得多：

这对大数据非常有用，可以通过两种方式完成：

仅基于您的数据，因为行似乎完全重复，并且只有在您愿意的情况下，才删除多余的行并对其中一行执行地理编码。这可以使用

drop\u duplicate

如果要保留所有行，

group\u by

城市/州组合，请通过调用

head（1）

对第一行应用地理编码，然后复制到其余行

原因是，每次您拨打Namingm时，都会出现一个小的延迟问题，即使您是在同一个城市/州连续排队。当您的数据变大时，这种小延迟会变得更糟，从而导致响应的巨大延迟和可能的超时

---

再说一次，这一切都是从个人角度来处理的。如果现在对您没有好处，请记住以后使用。

这是一个有趣的问题，最好只获取唯一的值，对其进行地理编码并将其合并回来，我将更新我的回答谢谢您的回答。非常有用的信息！虽然当我查看[：5]行数据时，我收到了一个良好的数据帧。当我将函数应用于所有（200000条记录）时，我收到一个超时错误。我必须先分组，然后再申请。非常感谢。我仍然收到这个错误：GeocoderTimedOut:服务超时。这是我正在做的事情吗？你是在我的原始代码或优化版本中遇到这个错误吗？如果地理编码超时，您可能必须分块处理数据