譯者 | 崔皓

審校 | 孫淑娟

1、簡(jiǎn)介

 大家在處理機(jī)器學(xué)習(xí)的大型數(shù)據(jù)集時(shí)，是否會(huì)遇到如下的地址欄？

上面的位置數(shù)據(jù)非常混亂，難以處理。對(duì)地址進(jìn)行編碼是很困難的，因?yàn)樗鼈兙哂蟹浅８呋鶖?shù)。如果你試圖用單次編碼技術(shù)來對(duì)某列進(jìn)行編碼，就會(huì)導(dǎo)致高維度的結(jié)果，這會(huì)導(dǎo)致機(jī)器學(xué)習(xí)模型表現(xiàn)欠佳。解決問題的最簡(jiǎn)單方法就是對(duì)列進(jìn)行地理編碼。

2、什么是地理編碼？

地理編碼是將地址轉(zhuǎn)換為地理坐標(biāo)，這意味著將把原始地址轉(zhuǎn)化為經(jīng)度/緯度的方式。

3、Python中的地理編碼

有許多不同的庫(kù)可以幫助你用Python進(jìn)行地理編碼。最快的是谷歌地圖提供的API，如果有超過1000個(gè)地址需要在短時(shí)間內(nèi)轉(zhuǎn)換，我推薦你使用。然而，谷歌地圖的API并不是免費(fèi)的，你需要為每1000個(gè)請(qǐng)求支付約5美元。

谷歌地圖API的免費(fèi)替代品是OpenStreetMap API。然而，OpenStreetMap API的速度比起谷歌地圖來說要慢得多，而且準(zhǔn)確性也稍差。

在這篇文章中，我將指導(dǎo)你使用上述兩個(gè)API完成地理編碼過程。

4、谷歌地圖API

讓我們首先使用谷歌地圖API將地址轉(zhuǎn)換成精度/緯度。首先需要?jiǎng)?chuàng)建一個(gè)谷歌云賬戶，并輸入信用卡信息。雖然這是一項(xiàng)付費(fèi)服務(wù)，但當(dāng)你第一次創(chuàng)建谷歌云賬戶時(shí)，谷歌會(huì)給你200美元的免費(fèi)信用。這意味著，在你被收費(fèi)之前，你可以用他們的地理編碼API進(jìn)行大約40,000次調(diào)用。只要你沒有達(dá)到這個(gè)限制，你的賬戶就不會(huì)被收費(fèi)。

首先，在谷歌云上建立一個(gè)免費(fèi)賬戶。然后，一旦你建立了一個(gè)賬戶，你就可以按照這個(gè)教程來獲得你的谷歌地圖API密鑰。

一旦你收到API密鑰，就可以開始編碼了!

（1）前提條件

在本教程中使用Zomato餐廳Kaggle數(shù)據(jù)集。確保在你的路徑中安裝了該數(shù)據(jù)集。然后，用這個(gè)命令安裝googlemaps API包。

pip install -U googlemaps

（2）讀取數(shù)據(jù)集

現(xiàn)在，讓我們讀取數(shù)據(jù)集并檢查數(shù)據(jù)幀的頭部。

data = pd. read_csv('zomato.csv',encoding="ISO-8859-1")
df = data.copy()
df.head()

這個(gè)數(shù)據(jù)集合有21列，9551行。

只需要針對(duì)地址列來進(jìn)行地理編碼，所以去掉所有其他的列。然后，再去掉重復(fù)記錄，最后只得到地址列信息。

df = df[['地址']]
df = df. drop_duplicates()

再看一下數(shù)據(jù)框架的頭部，在處理之后就只看到地址信息了。

接下來，就可以開始地理編碼了。

（3）地理編碼

首先，用Python訪問我們的API密鑰，運(yùn)行下面幾行代碼來完成這個(gè)任務(wù)。

gmaps_key = googlemaps.Client(key="your_API_key")

現(xiàn)在，讓我們先嘗試對(duì)一個(gè)地址進(jìn)行地理編碼，并看看輸出結(jié)果。

add_1 = df['地址'][0]
g = gmaps_key. geocode(add_1)
lat = g[0]["geometry"]["location"]["lat"]
long = g[0]["geometry"]["location"]["lng"]
print('Latitude: '+str(lat)+', Longitude: '+str(long))

運(yùn)行上述代碼，得到類似如下的輸出結(jié)果。

如果你得到上述輸出，很好！表示一切順利。我們可以針對(duì)整個(gè)數(shù)據(jù)集應(yīng)用類似的處理，過程如下：

def geocode(add):
g = gmaps_key. geocode(add)
lat = g[0]["geometry"]["location"]["lat"]
lng = g[0]["geometry"]["location"]["lng"]
return（lat, lng）。
df['geocoded'] = df['Address']. apply(geocode)

再次檢查數(shù)據(jù)集合的頭部，看看代碼是否生效。

df.head()

如果輸出類似上面的截圖，恭喜你！你已經(jīng)成功地對(duì)整個(gè)數(shù)據(jù)框架中的地址進(jìn)行了地理編碼。

5、OpenStreetMap API

OpenStreetMap API是完全免費(fèi)的，但與谷歌地圖API相比，速度較慢，精確度較低。這個(gè)API無法定位數(shù)據(jù)集中的許多地址，所以這次我們將使用地點(diǎn)欄來代替。在開始學(xué)習(xí)教程之前，讓我們先看看地址欄和位置欄的區(qū)別。運(yùn)行下面幾行代碼來完成這個(gè)任務(wù)。

print('Address: '+data['Address'][0]+'\n\nLocality: '+data['Locality'][0] )

地址欄（Address）比地點(diǎn)（Locality）欄細(xì)化得多，它提供了餐廳的確切位置，包括樓層號(hào)。這可能是地址不被OpenStreetMap API識(shí)別，而地點(diǎn)卻被識(shí)別的原因。

讓我們對(duì)第一個(gè)Locality進(jìn)行地理編碼，看看輸出結(jié)果。

地理編碼

運(yùn)行以下幾行代碼。

Import url
Import requests

data = data[['Locality']]

url = 'https://nominatim.openstreetmap.org/search/' + urllib. parse. quote(df['Locality'][0]) +'?format=json' 。
response = requests.get(url).json()
print('Latitude: '+response[0]['lat']+', Longitude: '+response[0]['lon'] )

左右滑動(dòng)查看完整代碼

上述代碼的輸出與谷歌地圖API生成的結(jié)果非常相似。

現(xiàn)在，讓我們創(chuàng)建一個(gè)函數(shù)來尋找整個(gè)數(shù)據(jù)集合的坐標(biāo)。

def geocode2(locality):
url = 'https://nominatim.openstreetmap.org/search/' + urllib. parse. quote(locality) +'?format=json'
response = requests.get(url).json()
if (len(response)!=0)。
return(response[0]['lat'], response[0]['lon'] )
else:
return('-1')

data['geocoded'] = data['Locality']. apply(geocode2)

很好!現(xiàn)在，讓我們來看看數(shù)據(jù)集合的頭部。

Data.head(15)

請(qǐng)注意，這個(gè)API無法為數(shù)據(jù)集合中的一些地方提供坐標(biāo)。

雖然它是谷歌地圖API的免費(fèi)替代品，如果用OpenStreetMap進(jìn)行地理編碼，有可能會(huì)失去大量的數(shù)據(jù)。本教程到此結(jié)束!希望你從這里學(xué)到了一些新的東西，并對(duì)處理地理空間數(shù)據(jù)有了更好的理解。

原文鏈接：https://www.kdnuggets.com/2022/11/geocoding-python-complete-guide.html

譯者介紹

崔皓，51CTO社區(qū)編輯，資深架構(gòu)師，擁有18年的軟件開發(fā)和架構(gòu)經(jīng)驗(yàn)，10年分布式架構(gòu)經(jīng)驗(yàn)。