程序師世界是廣大編程愛好者互助、分享、學習的平台,程序師世界有你更精彩!
首頁
編程語言
C語言|JAVA編程
Python編程
網頁編程
ASP編程|PHP編程
JSP編程
數據庫知識
MYSQL數據庫|SqlServer數據庫
Oracle數據庫|DB2數據庫
您现在的位置: 程式師世界 >> 編程語言 >  >> 更多編程語言 >> Python

Python實現識別文字中的省市區並繪圖

編輯:Python

目錄

1.准備

2.基本使用

3.高級使用

在做NLP(自然語言處理)相關任務時,經常會遇到需要識別並提取省、城市、行政區的需求。雖然我們自己通過關鍵詞表一個個查找也能實現提取目的,但是需要先搜集省市區關鍵詞表,相對而言比較繁瑣。

今天給大家介紹一個模塊,你只需要把字符串傳遞給這個模塊,他就能給你返回這個字符串內的省、市、區關鍵詞,並能給你在圖片上標注起來,它就是 Cpca 模塊。

1.准備

開始之前,你要確保Python和pip已經成功安裝在電腦上,如果沒有,可以訪問這篇文章:超詳細Python安裝指南 進行安裝。

(可選1) 如果你用Python的目的是數據分析,可以直接安裝Anaconda,它內置了Python和pip.

(可選2) 此外,推薦大家用VSCode編輯器,它有許多的優點

請選擇以下任一種方式輸入命令安裝依賴

1. Windows 環境 打開 Cmd (開始-運行-CMD)。

2. MacOS 環境 打開 Terminal (command+空格輸入Terminal)。

3. 如果你用的是 VSCode編輯器 或 Pycharm,可以直接使用界面下方的Terminal.

pip install cpca

注意,目前 cpca 模塊僅支持Python3及以上版本。

在 windows 上可能會出現類似如下問題:

Building wheel for pyahocorasick (setup.py) ... error

先閱讀原文去下載 Microsoft Visual C++ Build Tools 安裝VC++構建工具,再重新 pip install cpca,即可解決問題。

2.基本使用

通過兩行代碼就能實現最基本的省市區提取:

# 公眾號: Python 實用寶典# 2022/06/23import cpcalocation_str = [    "廣東省深圳市福田區巴丁街深南中路1025號新城大廈1層",    "特斯拉上海超級工廠是特斯拉汽車首座美國本土以外的超級工廠,位於中華人民共和國上海市。",    "三星堆遺址位於中國四川省廣漢市城西三星堆鎮的鴨子河畔,屬青銅時代文化遺址"]df = cpca.transform(location_str)print(df)

效果如下:

省 市 區 地址 adcode
0 廣東省 深圳市 福田區 巴丁街深南中路1025號新城大廈1層 440304
1 上海市 None None 。310000
2 四川省 德陽市 廣漢市 城西三星堆鎮的鴨子河畔,屬青銅時代文化遺址 510681

注意第三條的廣漢市,cpca 不僅識別到了語句中的縣級市廣漢市,還能自動匹配到其代管市的德陽市,不得不說非常強大。

如果你想獲知程序是從字符串的那個位置提取出省市區名的,可以添加一個 pos_sensitive=True 參數:

# 公眾號: Python 實用寶典# 2022/06/23import cpcalocation_str = [    "廣東省深圳市福田區巴丁街深南中路1025號新城大廈1層",    "特斯拉上海超級工廠是特斯拉汽車首座美國本土以外的超級工廠,位於中華人民共和國上海市。",    "三星堆遺址位於中國四川省廣漢市城西三星堆鎮的鴨子河畔,屬青銅時代文化遺址"]df = cpca.transform(location_str, pos_sensitive=True)print(df)

效果如下:

(base) G:\push\20220623>python 1.py
     省 市 區 地址 adcode 省_pos 市_pos 區_pos
0  廣東省 深圳市 福田區 巴丁街深南中路1025號新城大廈1層 440304      0      3      6
1  上海市 None None 。310000     38     -1     -1
2  四川省 德陽市 廣漢市 城西三星堆鎮的鴨子河畔,屬青銅時代文化遺址 510681      9     -1     12

它標記出了識別到省、市、區的關鍵位置(index),當然如果是德陽市這種特殊的識別會被標記為-1.

3.高級使用

它還可以從大段文本中批量識別多個地區:

# 公眾號: Python 實用寶典# 2022/06/23import cpcalong_text = "對一個城市的評價總會包含個人的感情。如果你喜歡一個城市,很有可能是喜歡彼時彼地的自己。"\    "在廣州、香港讀過書,工作過,在深圳買過房、短暫生活過,去北京出了幾次差。"\    "想重點比較一下廣州、深圳和香港,順帶說一下北京。總的來說,覺得廣州舒適、"\    "香港精致、深圳年輕氣氛好、北京大氣又粗糙。答主目前選擇了廣州。"df = cpca.transform_text_with_addrs(long_text, pos_sensitive=True)print(df)

效果如下:

(base) G:\push\20220623>python 1.py
          省 市 區 地址 adcode 省_pos 市_pos 區_pos
0       廣東省 廣州市 None     440100     -1     44     -1
1   香港特別行政區 None  None     810000     47     -1     -1
2       廣東省 深圳市 None     440300     -1     58     -1
3       北京市 None  None     110000     71     -1     -1
4       廣東省 廣州市 None     440100     -1     86     -1
5       廣東省 深圳市 None     440300     -1     89     -1
6   香港特別行政區 None  None     810000     92     -1     -1
7       北京市 None  None     110000    100     -1     -1
8       廣東省 廣州市 None     440100     -1    110     -1
9   香港特別行政區 None  None     810000    115     -1     -1
10      廣東省 深圳市 None     440300     -1    120     -1
11      北京市 None  None     110000    128     -1     -1
12      廣東省 廣州市 None     440100     -1    143     -1

不僅如此,模塊中還自帶一些簡單繪圖工具,可以在地圖上將上面輸出的數據以熱力圖的形式畫出來:

# 公眾號: Python 實用寶典# 2022/06/23import cpcafrom cpca import drawerlong_text = "對一個城市的評價總會包含個人的感情。如果你喜歡一個城市,很有可能是喜歡彼時彼地的自己。"\    "在廣州、香港讀過書,工作過,在深圳買過房、短暫生活過,去北京出了幾次差。"\    "想重點比較一下廣州、深圳和香港,順帶說一下北京。總的來說,覺得廣州舒適、"\    "香港精致、深圳年輕氣氛好、北京大氣又粗糙。答主目前選擇了廣州。"df = cpca.transform_text_with_addrs(long_text, pos_sensitive=True)drawer.draw_locations(df[cpca._ADCODE], "df.html")

運行的時候可能會報這個錯:

(base) G:\push\20220623>python 1.py
Traceback (most recent call last):
  File "1.py", line 12, in <module>
    drawer.draw_locations(df[cpca._ADCODE], "df.html")
  File "G:\Anaconda3\lib\site-packages\cpca\drawer.py", line 41, in draw_locations
    import folium
ModuleNotFoundError: No module named 'folium'

使用pip安裝即可:

pip install folium

然後重新運行代碼,會在當前目錄下生成 df.html, 雙擊打開,效果如下:

怎麼用,是不是感覺非常方便?以後地點的識別用這個模塊就完全夠了。

還有更多的細節你可以訪問這個項目的Github主頁閱讀,該項目的README完全中文編寫,非常容易閱讀:

到此這篇關於Python實現識別文字中的省市區並繪圖的文章就介紹到這了,更多相關Python識別文字中省市區內容請搜索軟件開發網以前的文章或繼續浏覽下面的相關文章希望大家以後多多支持軟件開發網!



  1. 上一篇文章:
  2. 下一篇文章:
Copyright © 程式師世界 All Rights Reserved