首先，在网上拿到一份数据，省份和城市的对应表：

第一张图是省份以及对应的ID

第二张图是省份和城市，以及分别对应的ID

基本的思路是：实现一个字典，省份作为键，省份包含的城市作为值，举个例子：{“江苏省”：“南京市”，“苏州市”，··· “徐州市”}。

下面用代码实现：

1. 改变工作目录

1 importos2 importpandas as pd3 os.chdir(r'D:\inde\machineLearning\python\Province_city\xml')

2.1 导入省份数据(也就是图1)

with open('Provinces.txt','r',encoding='utf-8') as f:

file= f.read().strip().split('\n')

num=[]

province=[]for fi in file[2:36]:

str1= fi.split('"')

m= str1[1]

n= str1[3]

num.append(m)

province.append(n)

3.1 合并省份数据

province = pd.concat([pd.DataFrame(num),pd.DataFrame(province)],axis=1)

province.columns= ['id','province']

province.head(2)

2.2 导入省份和城市数据(图2)

p_id =[]

c_id=[]

c_name=[]

with open('Cities.txt','r',encoding='utf-8') as f:

file= f.read().strip().split('\n')for fi in file[2:347]:

str2= fi.split('"')

m= str2[1]

c= str2[3]

i= str2[5]

p_id.append(i)

c_id.append(m)

c_name.append(c)

3.2 合并城市和省份数据

city = pd.concat([pd.DataFrame(p_id),pd.DataFrame(c_id),pd.DataFrame(c_name)],axis=1)

city.columns= ['id','c_id','city']

city.head(2)

4. 将上面两份数据merge在一起

province_city=pd.merge(city,province,on='id',how='left')

得到的输出结果如下图：

5. 1 因为本人想要处理的数据里面没有“省”，“市”的后缀，所以把后缀去掉

def delete_postfix1(s,str,zizhi=None):if s[-1]==str:return s[0:-1]else:returns

province_city.city= province_city.city.apply(lambda s:delete_postfix1(s,'市'))

province_city.province= province_city.province.apply(lambda s:delete_postfix1(s,'省'))

province_city.province= province_city.province.apply(lambda s:delete_postfix1(s,'市'))

5.2 同样，把自治区的后缀去掉

defdelete_postfix2(s,str):if s[0]=='内':return s[0:3]elif s[-3:]==str:return s[0:2]else:returns

province_city.province= province_city.province.apply(lambda s:delete_postfix2(s,'自治区'))

province_city.province= province_city.province.apply(lambda s:delete_postfix1(s,'省'))

province_city.province= province_city.province.apply(lambda s:delete_postfix1(s,'市'))

6 保存数据

province_city.to_csv('province_city.csv',index=0)

7. 转为字典格式

dicts ={}for i inrange(len(province.province)):

k=province.province[i]

province.id[i]==province_city.id

v=list(province_city[province.id[i]==province_city.id].city)

dict={k:v}

dicts.update(dict)

8. 看一下初步的输出结果

到此为止，跟我们预想的完全一样

9. 接下来，我们把字典格式结果保存，方便以后

import pickle #导入pickle

pickle_file = open("dicts.pkl", "wb") #创建一个pickle文件，但是打开方式必须是wb，二进制格式

pickle.dump(dicts,pickle_file ) #数据导入文件

pickle_file.close()

pickle_file = open("dicts.pkl", "rb")

mylist2=load(pickle.file)

pickle_file.close()

10. 看一下输出结果