Python 重新格式化普查标题

我的任务是通过人口普查数据挖掘街区层面的信息。 在学习如何导航并找到我要找的东西后，我遇到了一个障碍。 tabblock polygons（块级多边形）的id由15个长度的字符串组成

例如：“4715700102022”

但人口普查数据的格式标记为：

“田纳西州谢尔比县人口普查区1第2组2022区块”

块id的格式为： 州-县域组块，带有一些前导零以组成15个字符。 SSCCCTTGGBBBB

有人知道一种快速的方法将其转换成可用的格式吗？ 在我花时间编写python脚本之前，我想我应该先问一下

谢谢， gm

嗯，我明白了

ex='田纳西州谢尔比县人口普查区1第2组2022区块'

new_id='47157'+ex[40:len（ex）-26].zfill（4）+'0'+ex[24]+ex[6:10]

---

州和县的值是恒定的；块组仅指向一个数字（afaik）。

使用struct可能更整洁

>>> import struct
>>> r = '471570001022022'
>>> f = '2s3s4s2s4s'
>>> struct.unpack(f, r)
('47', '157', '0001', '02', '2022')
>>> s, c, t, g, b = unpack(f, r)
>>> print s
47

假设是正确的，您已将其解析到两个字典中，

state\u id

和

country\u id

，其中键是实体的字符串表示形式，值是字符串的数字表示形式：

def get_tabblock_id(tabblock_string):
    block, block_group, tract, county, state = re.match('Block (\\d+), Block Group (\\d+), Census Tract (\\d+), (.+), (.+)', tabblock_string).groups()
    return state_ids[state].zfill(2) + county_ids[county].zfill(3) + tract.zfill(4) + block_group.zfill(2) + block.zfill(4)

---

来自人口普查：“田纳西州谢尔比县人口普查区1第2组2022区块”，但我需要它读一下：“4715700102022”。你是如何得到州和县名称及其数字表示之间的映射的？当我回到工作场所，看看它是如何进行的。最佳答案：从人口普查页面上的“事实查询器”中的给定选项下载正确的格式。csv提供了一个格式正确的ID字段。另外：格式为ss-ccc-tttttt-bbbb（州、县、区、区块），区块组不存在。我用一个dict{}找到了这些小册子，并给出了正确的格式。然后，当我找到下载选项时，我把它擦掉了。