从字符串中识别出省市区的信息分别存储，是我们经常会碰到的问题。
如果用分词的方法去匹配获取比较麻烦，cpca包提供了便捷的调用函数transform。
只要把含省市区的信息放进去，即可返回标准的含省市区的数据框。
本文详细阐述如何安装cpca包、transform函数参数定义，以及如何调用transform函数实现省市区信息获取。
一、安装cpca包
要想使用transform函数，首先需要安装cpca包。具体代码如下：
代码语言：javascript复制pip install cpca有些人直接用以上代码即可安装成功，我安装时报错如下：
网上找了下方法，
建议一：先安装Visual C 14.0或VC tools工具包，再执行上面的安装语句。
建议二：安装对应的whl文件。
建议三：
代码语言：javascript复制step1：在cmd中先运行 conda config --add channels conda-forge
step2：再运行 conda install pyahocorasick
step3：最后运行pip install cpca大部分的文章都是建议一的做法，但是我不想安装vc，感觉比较麻烦，就从最简单的方法去尝试。
先按建议三的方法去执行，想着不行再去找对应的whl，如果还不行就安装vc。
没想到我的电脑按建议三的方法执行就安装成功了。
结果如下：
二、transform参数详解
接着写循环统计每个文件中指定词出现的次数，具体代码如下：transform(location_strs, index=None, pos_sensitive=False, umap={})参数详解：
代码语言：javascript复制 locations_strs：地址描述字符集合,可以是list, Series等任意可以进行for in循环的集合。比如:["徐汇区虹漕路461号58号楼5楼", "泉州市洛江区万安塘西工业区"]。 index：可以通过这个参数指定输出的DataFrame的index,默认情况下是range(len(data))。 pos_sensitive：默认值False，如果为True则会多返回三列，分别提取出的省市区在字符串中的位置，如果字符串中不存在的话则显示-1。 umap：当只有区的信息时， 且该区存在同名时， 指定该区具体是哪一个，字典的 key为区名，value为 adcode， 比如 {"朝阳区": "110105"}。
三、transform调用案例
1 用transform函数默认参数识别字符串中地址 首先调用transform函数，用默认参数识别字符串中的地址，具体代码如下： import cpca cpca.transform(["徐汇区虹漕路461号58号楼5楼", "泉州市洛江区万安塘西工业区", '天津市国土资源局']) 得到结果：
可以发现如果地址中只有区，会自动补全前面的省和市。 其中adcode表示地址对应的行政编码。 2 改变transform函数参数识别字符串中的地址接着调整pos_sensitive参数的值识别地址，展示对应的省市区在字符串中的位置，具体代码如下： cpca.transform(["徐汇区虹漕路461号58号楼5楼", "泉州市洛江区万安塘西工业区", '天津市国土资源局'], pos_sensitive=True) 得到结果：
可以发现省_pos、市_pos、区_pos的值对应了省市区在字符串中的位置，如果字符串中不存在的话则显示-1。 3 批量识别字符串中的省市区并导出最终数据最后，读取本地数据，识别供应商名称中的省市区，具体代码如下： import os import cpca import pandas as pd #导入数据处理的库 import numpy as np #导入数据处理的库 os.chdir(r'F:公众号85_公司名称中提取省市区') #存储数据的路径，需替换成你电脑存储路径 data = pd.read_excel('date.xlsx', sheet_name='Sheet1') #读取数据 place_list=[] for i in data['供应商名称']: #构造公司地址list place_list.append(i) all_integrity_place = cpca.transform(place_list) #识别出公司名称中的省市区 all_integrity_place['供应商名称'] = data['供应商名称'] #添加供应商名称列 all_integrity_place 其中data数据形式如下：
运行代码得到结果：
导出数据：
all_integrity_place.to_csv('result.csv')
#导出数据
