cpca 0.3

Chinese Province, City and Area Recognition Utilities

chinese_province_city_area_mapper

chinese_province_city_area_mapper：一个用于识别简体中文字符串中省，市和区并能够进行映射，检验和简单绘图的python模块

举个例子:

 ["徐汇区虹漕路461号58号楼5楼", "泉州市洛江区万安塘西工业区"]
         ↓ 转换
|省    |市   |区    |地址                 |
|上海市|上海市|徐汇区|虹漕路461号58号楼5楼  |
|福建省|泉州市|洛江区|万安塘西工业区        |

chinese_province_city_area_mapper: built to be recognize Chinese province,city and area in simplified Chinese string, it can automaticall map area to city and map city to province. for example:

 ["徐汇区虹漕路461号58号楼5楼", "泉州市洛江区万安塘西工业区"]
         ↓ transform
|省    |市   |区    |地址                 |
|上海市|上海市|徐汇区|虹漕路461号58号楼5楼  |
|福建省|泉州市|洛江区|万安塘西工业区        |

完整文档见该模块的Github， GitHub: https://github.com/DQinYuan/chinese_province_city_area_mapper

特点

• 基于jieba分词进行匹配，同时加入了一些额外的匹配逻辑保证了准确率

• 如果地址数据比较脏的，不能指望依靠这个模块达到100%的准确，本模块只能保证尽可能地提取信息，如果想要达到100%准确率的话，最好在匹配完后再人工核验一下

• 自带完整的省，市，区三级地名及其经纬度的数据

• 支持自定义省，市，区映射

• 输出的是基于pandas的DataFrame类型的表结构，易于理解和使用

• 封装了简单的绘图功能，可以很方便地进行简单的数据可视化

• MIT 授权协议

安装说明

代码目前仅仅支持python3

pip install cpca

Get Started

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:

location_str = ["徐汇区虹漕路461号58号楼5楼", "泉州市洛江区万安塘西工业区", "朝阳区北苑华贸城"]
from cpca import *
df = transform(location_str)
df

输出的结果为:

     区    市      省         地址
0  徐汇区  上海市  上海市   虹漕路461号58号楼5楼
1  洛江区  泉州市  福建省   万安塘西工业区
2  朝阳区  北京市  北京市   北苑华贸城

如果还想知道更多的细节，请访问该 模块的github地址 https://github.com/DQinYuan/chinese_province_city_area_mapper， 在那里我写了更多的细节.