将邮政编码 API 调用应用于数据框中的每一行
Posted
技术标签:
【中文标题】将邮政编码 API 调用应用于数据框中的每一行【英文标题】:Apply postcode API call to each row in dataframe 【发布时间】:2021-09-22 15:08:55 【问题描述】:在下面的代码块中,我有一个数据框geo
,我想对其进行迭代以获得geo
中每个英国邮政编码的东、北、经度和纬度。我编写了一个函数来调用 API,另一个函数返回四个变量。
我已经使用邮政编码测试了get_data
调用,以证明它有效(这是任何人都可以使用的公共 API):
import requests
import pandas as pd
geo = spark.table('property_address').toPandas()
def call_api(url: str) -> dict:
postcode_response =requests.get(url)
return postcode_response.json()
def get_data(postcode):
url = f"http://api.getthedata.com/postcode/postcode"
req = r.get(url)
results = req.json()['data']
easting = results['easting']
northing = results['northing']
latitude = results['latitude']
longitude = results ['longitude']
return easting ,northing,latitude, longitude
get_data('SW1A 1AA')
返回:
Out[108]: (529090, 179645, '51.501009', '-0.141588')
我想做的是为geo
中的每一行运行它并将其作为数据集返回。我的研究使我找到了apply
,我的尝试基于this guide。
我正在尝试在geo
中传递一个名为property_postcode
的列并迭代每一行以返回值,这是我的尝试:
def get_columns(row):
column_name = 'property_postcode'
api_param = row[column_name]
easting,northing,latitude,longitude = get_data(api_param)
row['east'] = easting
row['north'] = northing
row['lat'] = latitude
row['long'] = longitude
return row
geo= geo.apply(get_columns, axis=1)
display(geo)
我得到的错误是
`JSONDecodeError: Expecting value: line 1 column 1 (char 0)`
没有告诉我很多。寻求帮助\指针。
【问题讨论】:
您在寻找 Pandas 解决方案还是 PySpark 解决方案? 要么,我猜 PySpark 背后可能更有魅力。 【参考方案1】:不要尝试在函数中设置东、北、纬度和长列的值,而是从函数中返回它们。
from numpy import result_type
import requests
import pandas as pd
# geo = spark.table('property_address').toPandas()
def call_api(url: str) -> dict:
postcode_response = requests.get(url)
return postcode_response.json()
def get_data(postcode):
url = f"http://api.getthedata.com/postcode/postcode"
req = requests.get(url)
if req.json()["status"] == "match":
results = req.json()["data"]
easting = results.get("easting")
northing = results.get("northing")
latitude = results.get("latitude")
longitude = results.get("longitude")
else:
easting = None
northing = None
latitude = None
longitude = None
return easting, northing, latitude, longitude
def get_columns(code):
api_param = code
return get_data(api_param)
df = pd.DataFrame(
"property_postcode": [
"BE21 6NZ",
"SW1A 1AA",
"W1A 1AA",
"DE21",
"B31",
"ST16 2NY",
"S65 1EN",
]
)
df[["east", "north", "lat", "long"]] = df.apply(
lambda row: get_columns(row["property_postcode"]), axis=1, result_type="expand"
)
print(df)
property_postcode | east | north | lat | long |
---|---|---|---|---|
BE21 6NZ | NaN | NaN | None | None |
SW1A 1AA | 529090 | 179645 | 51.501009 | -0.141588 |
W1A 1AA | 528887 | 181593 | 51.518561 | -0.143799 |
DE21 | NaN | NaN | None | None |
B31 | NaN | NaN | None | None |
ST16 2NY | 391913 | 323540 | 52.809346 | -2.121413 |
S65 1EN | 444830 | 394082 | 53.44163 | -1.326573 |
【讨论】:
看起来不错,明天会审核并回复您。非常感谢。 谢谢伙计,辛苦了,我需要创建我的geo
数据集的一个子集,以仅包含属性邮政编码,然后将其合并回来。由于数据质量原因,有些邮政编码无效,可以导致这失败,在运行应用程序时,是否可以采取任何措施来跳过/忽略/返回这些行的空值?否则,我只需要在前面的脚本中运行 DQ。
我在使用一些虚拟数据测试代码时实际上遇到了这个问题。我没有进一步调查它,但您可能可以在 get_data 函数中做一些事情。例如,对于无效的邮政编码,为东、北等返回 NA。您能否发布一些包含有效/无效邮政编码的示例数据?
无效的将是“DE21 6”或“B31”,有效的是“ST16 2NY”或“S65 1EN”
我已经更新了答案,返回 NaN/None 用于东/北等无效邮政编码。以上是关于将邮政编码 API 调用应用于数据框中的每一行的主要内容,如果未能解决你的问题,请参考以下文章