如何使用geopy获取数据框中地址列的纬度和纬度？

Question

我目前正在研究一个 kaggle 数据集House price prediction

它在纬度和纬度列中有错误，所以我决定使用 geopy 来获取这两列的正确值。

如果我在一个地址上使用它，它工作正常，但如果应用于整个列，则返回 None。

city = []
lat = []
longi = []

for addr in train_df['address']:
  geolocator = Nominatim(user_agent="ram")
  location  = geolocator.geocode(addr), timeout=100, language = 'en')
  city.append(location.address.split(',')[-4])
  lat.append(location.latitude)
  longi.append(location.longitude)

它返回 None，可能是因为多次访问。

请帮我建议一些其他方法来获取我的数据框的“地址”列（或其他一些用于相同工作的库）的纬度和经度。

Answer 1

问题出在数据集的地址上。如果你使用下面的 try catch 代码，你可以看到数据集中有很多错误的地址。

for addr in train_df['ADDRESS']:
    geolocator = Nominatim(user_agent="ram")
    location = geolocator.geocode(addr, timeout=10000, language = 'en')
    try:
        city.append(location.address.split(',')[-4])
        lat.append(location.latitude)
        longi.append(location.longitude)
    except:
        print(addr)

例如，地址之一是“Garebhavipalya,Bangalore”。如果您在 google 中搜索，正确的地址是“Garvebhavi Palya,Bangalore”。它是“Garvebhavi Palya”，但数据集显示为“Garebhavipalya,Bangalore”。因此，如果您使用以下代码检查该地址，您可以获得班加罗尔地址，并且经度和纬度接近数据集的数据。

geolocator = Nominatim(user_agent="ram")
location = geolocator.geocode("Garvebhavi Palya,Bangalore", timeout=100, language = 'en')
print(location.address)
print(location.latitude)
print(location.longitude)

要检查给定数据集的经纬度的地址，您可以使用反向。

geolocator = Nominatim(user_agent="ram")
location = geolocator.reverse("12.96991,77.59796")
print(location.address)

由于我不熟悉班加罗尔，我不确定数据集的 lat 12.96991 和 lon 77.59796 是否是“Garebhavipalya,Bangalore”地址。但我认为问题在于数据集的“地址”。

顺便说一句，我认为这个 GeoPy 库非常好。当你在这里问的时候我才知道。谢谢你的问题:)