在一次建模比赛中，我手头里的原始数据中有一个“地址描述”地段，如下：

这样的地址描述字段过于随意，很难使用，但是看这些字符串的样子似乎又可以提取出其所在的省、市和区，即使只能够提取出区或者市，如果我们有一个省、市和区的归属数据库的话，应该也能够将剩下的信息映射出来，如果自己写的话肯定很麻烦，还要去网上找数据库，于是我做了一个可以复用的python模块，一条命令就可以将上面的“地址描述”字段转换成如下的样子：

目前支持python3

常见安装问题：

在 windows 上可能会出现类似如下问题

先去下载 Microsoft Visual C++ Build Tools，安装完成后，再重新使用 pip install cpca 安装，即可解决问题

只要先去

更详细的模块介绍见Github上的README https://github.com/DQinYuan/chinese_province_city_area_mapper

如果觉得这个模块对你有帮助的话，请给个star啊

本模块中最主要的方法是cpca.transform，该方法可以输入任意的可迭代类型（如list，pandas的Series类型等），然后将其转换为一个DataFrame，下面演示一个最为简单的使用方法：

输出的结果为(adcode为官方地址编码)：

地理小提示：在中国行政区划中，直辖市的区都不是直接挂在直辖市下面的，而是挂在唯一的一个市辖区下面，普通的市下面也会有市辖区，但是普通的市辖区只是 三级行政单位，不像直辖市的市辖区，是二级行政单位

如果你想获知程序是从字符串的哪个位置提取出省市区名的，可以添加一个pos_sensitive=True参数：

输出如下：

其中省_pos，市_pos和区_pos三列大于-1的部分就代表提取的位置。-1则表明这个字段是靠程序推断出来的，或者没能提取出来。

中国的区级行政单位非常的多，经常有重名的情况，比如“北京市朝阳区”和“吉林省长春市朝阳区”，当有上级地址信息的时候，cpca 能够根据上级地址 推断出这是哪个区，但是如果没有上级地址信息，单纯只有一个区名的时候， cpca 就没法推断了，只能随便选一个了， 通过 umap 参数你可以指定这种情况下该选择哪一个：

从例子可以看出，umap 字典的 key 是区名，value 是区的 adcode，这里 110105 就是北京市朝阳区的 adcode，具体的 adcode 可以去 全国行政区划查询平台 上查询。

从大段文本中提取多个地址（0.5.5版本新功能）：

结果为（注意 transform_text_with_addrs 获得的数据，“地址”列都是空的）:

transform_text_with_addrs 还支持和 transform 类似的 index, pos_sensitive 以及 umap 参数

模块中还自带一些简单绘图工具，可以在地图上将上面输出的数据以热力图的形式画出来.

这个工具依赖folium，为了减小本模块的体积，所以并不会预装这个依赖，在使用之前请使用pip install folium .

代码如下：

这一段代码运行结束后会在运行代码的当前目录下生成一个df.html文件，用浏览器打开即可看到 绘制好的地图（如果某条数据’省’，'市’或’区’字段有缺，则会忽略该条数据不进行绘制），速度会比较慢，需要耐心等待，绘制的图像如下：

还有更多的绘图工具请参考Github上的README中大标题为“示例与测试用例”的部分。