译者 | 崔皓
审校 | 孙淑娟
1、简介
大家在处理机器学习的大型数据集时，是否会遇到如下的地址栏？
上面的位置数据非常混乱，难以处理。对地址进行编码是很困难的，因为它们具有非常高基数。如果你试图用单次编码技术来对某列进行编码，就会导致高维度的结果，这会导致机器学习模型表现欠佳。解决问题的最简单方法就是对列进行地理编码。
2、什么是地理编码？
地理编码是将地址转换为地理坐标，这意味着将把原始地址转化为经度/纬度的方式。
3、Python中的地理编码
有许多不同的库可以帮助你用Python进行地理编码。最快的是谷歌地图提供的API，如果有超过1000个地址需要在短时间内转换，我推荐你使用。然而，谷歌地图的API并不是免费的，你需要为每1000个请求支付约5美元。
谷歌地图API的免费替代品是OpenStreetMap API。然而，OpenStreetMap API的速度比起谷歌地图来说要慢得多，而且准确性也稍差。
在这篇文章中，我将指导你使用上述两个API完成地理编码过程。
4、谷歌地图API
让我们首先使用谷歌地图API将地址转换成精度/纬度。首先需要创建一个谷歌云账户，并输入信用卡信息。虽然这是一项付费服务，但当你第一次创建谷歌云账户时，谷歌会给你200美元的免费信用。这意味着，在你被收费之前，你可以用他们的地理编码API进行大约40,000次调用。只要你没有达到这个限制，你的账户就不会被收费。
首先，在谷歌云上建立一个免费账户。然后，一旦你建立了一个账户，你就可以按照这个教程来获得你的谷歌地图API密钥。
一旦你收到API密钥，就可以开始编码了!
（1）前提条件
在本教程中使用Zomato餐厅Kaggle数据集。确保在你的路径中安装了该数据集。然后，用这个命令安装googlemaps API包。
pip install -U googlemaps
（2）读取数据集
现在，让我们读取数据集并检查数据帧的头部。
data = pd. read_csv('zomato.csv',encoding="ISO-8859-1")
df = data.copy()
df.head()
这个数据集合有21列，9551行。
只需要针对地址列来进行地理编码，所以去掉所有其他的列。然后，再去掉重复记录，最后只得到地址列信息。
df = df[['地址']] df = df. drop_duplicates()
再看一下数据框架的头部，在处理之后就只看到地址信息了。
接下来，就可以开始地理编码了。
（3）地理编码
首先，用Python访问我们的API密钥，运行下面几行代码来完成这个任务。
gmaps_key = googlemaps.Client(key="your_API_key")
现在，让我们先尝试对一个地址进行地理编码，并看看输出结果。
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))运行上述代码，得到类似如下的输出结果。
如果你得到上述输出，很好！表示一切顺利。我们可以针对整个数据集应用类似的处理，过程如下：
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)
再次检查数据集合的头部，看看代码是否生效。
df.head()
如果输出类似上面的截图，恭喜你！你已经成功地对整个数据框架中的地址进行了地理编码。
5、OpenStreetMap API
OpenStreetMap API是完全免费的，但与谷歌地图API相比，速度较慢，精确度较低。这个API无法定位数据集中的许多地址，所以这次我们将使用地点栏来代替。在开始学习教程之前，让我们先看看地址栏和位置栏的区别。运行下面几行代码来完成这个任务。
print('Address: '+data['Address'][0]+'nnLocality: '+data['Locality'][0] )
地址栏（Address）比地点（Locality）栏细化得多，它提供了餐厅的确切位置，包括楼层号。这可能是地址不被OpenStreetMap API识别，而地点却被识别的原因。
让我们对第一个Locality进行地理编码，看看输出结果。
地理编码
运行以下几行代码。
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'] )左右滑动查看完整代码
上述代码的输出与谷歌地图API生成的结果非常相似。
现在，让我们创建一个函数来寻找整个数据集合的坐标。
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!现在，让我们来看看数据集合的头部。
Data.head(15)
请注意，这个API无法为数据集合中的一些地方提供坐标。
虽然它是谷歌地图API的免费替代品，如果用OpenStreetMap进行地理编码，有可能会失去大量的数据。本教程到此结束!希望你从这里学到了一些新的东西，并对处理地理空间数据有了更好的理解。
原文链接：https://www.kdnuggets.com/2022/11/geocoding-python-complete-guide.html
译者介绍
崔皓，51CTO社区编辑，资深架构师，拥有18年的软件开发和架构经验，10年分布式架构经验。
