使用python清理csv文件中的數據

Question

嗨，我正在處理具有幾列的csv文件。 其中一欄是地址，格式如下：

10515，東北地區第115位，胡安妮塔，柯克蘭，金縣，華盛頓州，98033，美國

我想根據（，）拆分每一列，並為每個單位（例如單位，街道，州，郵政編碼等）創建新的相關列...

我能夠基於（，）拆分它們，現在每次拆分都有一列。

問題在於該數據不一致，拆分后得到的總列為10。但是數據順序不同。 一些記錄如下：

3008，38th Avenue Southwest，西西雅圖，西雅圖，金縣，華盛頓，98126，美國

23098，Northeast 130th Street，Trilogy，Union Hill-Novelty Hill，Novelty，金縣，華盛頓州，98053，美國

消防局34，633，East 32nd Avenue East，Broadmoor，華盛頓公園，西雅圖，金縣，華盛頓州，98112，美國

基本上，不是每個記錄都具有全部10種信息，並且不一定具有相同的順序。

清除此類數據的最佳方法是什么？ 我最終希望根據數據表示的方式將數據放入相關列，例如城市是否在城市列下，郵政編碼是否移至郵政編碼列等。

我正在使用Python 2.0。

希望能得到一個好的解決方案。 謝謝！

Answer 1

我將使用庫usaddress將地址分解為其組成部分。

https://usaddress.readthedocs.io/en/latest/

>>> import usaddress
>>> usaddress.tag('Robie House, 5757 South Woodlawn Avenue, Chicago, IL 60637')
(OrderedDict([
   ('BuildingName', 'Robie House'),
   ('AddressNumber', '5757'),
   ('StreetNamePreDirectional', 'South'),
   ('StreetName', 'Woodlawn'),
   ('StreetNamePostType', 'Avenue'),
   ('PlaceName', 'Chicago'),
   ('StateName', 'IL'),
   ('ZipCode', '60637')]),
'Street Address')

>>> usaddress.tag('State & Lake, Chicago')
(OrderedDict([
   ('StreetName', 'State'),
   ('IntersectionSeparator', '&'),
   ('SecondStreetName', 'Lake'),
   ('PlaceName', 'Chicago')]),
'Intersection')

>>> usaddress.tag('P.O. Box 123, Chicago, IL')
(OrderedDict([
   ('USPSBoxType', 'P.O. Box'),
   ('USPSBoxID', '123'),
   ('PlaceName', 'Chicago'),
   ('StateName', 'IL')]),
'PO Box')

從那里，您可以查詢返回的字典並將其輕松放入熊貓DataFrame中。