譯者 | 崔皓

審校 | 孫淑娟

1、簡介

 大家在處理機器學習的大型數據集時，是否會遇到如下的地址欄？

上面的位置數據非?；靵y，難以處理。對地址進行編碼是很困難的，因為它們具有非常高基數。如果你試圖用單次編碼技術來對某列進行編碼，就會導致高維度的結果，這會導致機器學習模型表現欠佳。解決問題的最簡單方法就是對列進行地理編碼。

2、什么是地理編碼？

地理編碼是將地址轉換為地理坐標，這意味著將把原始地址轉化為經度/緯度的方式。

3、Python中的地理編碼

有許多不同的庫可以幫助你用Python進行地理編碼。最快的是谷歌地圖提供的API，如果有超過1000個地址需要在短時間內轉換，我推薦你使用。然而，谷歌地圖的API并不是免費的，你需要為每1000個請求支付約5美元。

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

在這篇文章中，我將指導你使用上述兩個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將地址轉換成精度/緯度。首先需要創建一個谷歌云賬戶，并輸入信用卡信息。雖然這是一項付費服務，但當你第一次創建谷歌云賬戶時，谷歌會給你200美元的免費信用。這意味著，在你被收費之前，你可以用他們的地理編碼API進行大約40,000次調用。只要你沒有達到這個限制，你的賬戶就不會被收費。

首先，在谷歌云上建立一個免費賬戶。然后，一旦你建立了一個賬戶，你就可以按照這個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數據集。確保在你的路徑中安裝了該數據集。然后，用這個命令安裝googlemaps API包。

pip install -U googlemaps

（2）讀取數據集

現在，讓我們讀取數據集并檢查數據幀的頭部。

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

這個數據集合有21列，9551行。

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

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

再看一下數據框架的頭部，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，運行下面幾行代碼來完成這個任務。

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

現在，讓我們先嘗試對一個地址進行地理編碼，并看看輸出結果。

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))

運行上述代碼，得到類似如下的輸出結果。

如果你得到上述輸出，很好！表示一切順利。我們可以針對整個數據集應用類似的處理，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)

再次檢查數據集合的頭部，看看代碼是否生效。

df.head()

如果輸出類似上面的截圖，恭喜你！你已經成功地對整個數據框架中的地址進行了地理編碼。

5、OpenStreetMap API

OpenStreetMap API是完全免費的，但與谷歌地圖API相比，速度較慢，精確度較低。這個API無法定位數據集中的許多地址，所以這次我們將使用地點欄來代替。在開始學習教程之前，讓我們先看看地址欄和位置欄的區別。運行下面幾行代碼來完成這個任務。

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

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

讓我們對第一個Locality進行地理編碼，看看輸出結果。

地理編碼

運行以下幾行代碼。

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'] )

左右滑動查看完整代碼

上述代碼的輸出與谷歌地圖API生成的結果非常相似。

現在，讓我們創建一個函數來尋找整個數據集合的坐標。

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!現在，讓我們來看看數據集合的頭部。

Data.head(15)

請注意，這個API無法為數據集合中的一些地方提供坐標。

雖然它是谷歌地圖API的免費替代品，如果用OpenStreetMap進行地理編碼，有可能會失去大量的數據。本教程到此結束!希望你從這里學到了一些新的東西，并對處理地理空間數據有了更好的理解。

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

譯者介紹

崔皓，51CTO社區編輯，資深架構師，擁有18年的軟件開發和架構經驗，10年分布式架構經驗。