如何使用 alpha_2 和 alpha_3 编码的混合从 python 中的国家缩写中获取国家名称

Question

我有一个数据框如下：df = pd.DataFrame({"country_code": ['AF', 'BEL', 'AUS', 'DE', 'IND', 'US', 'GBR'],               "amount": [100, 200, 140, 400, 225, 125, 600]})列国家/地区代码是 2 个字母和 3 个字母国家/地区缩写的混合。任何人都可以帮助我如何在同一 df 的新列中获取完整的国家/地区名称吗？

Answer 1

首先，您应该pycountry通过pip install pycountry在命令提示符下键入并按来安装软件包enter。

import pycountry

import pycountry

df = pd.DataFrame({"country_code": ['AF', 'BEL', 'AUS', 'DE', 'IND', 'US', 'GBR','XYZ'],

              "amount": [100, 200, 140, 400, 225, 125, 600,0]})

list_alpha_2 = [i.alpha_2 for i in list(pycountry.countries)]

list_alpha_3 = [i.alpha_3 for i in list(pycountry.countries)]    

def country_flag(df):

    if (len(df['country_code'])==2 and df['country_code'] in list_alpha_2):

        return pycountry.countries.get(alpha_2=df['country_code']).name

    elif (len(df['country_code'])==3 and df['country_code'] in list_alpha_3):

        return pycountry.countries.get(alpha_3=df['country_code']).name

    else:

        return 'Invalid Code'

df['country_name']=df.apply(country_flag, axis = 1)

df

   amount country_code    country_name

0     100           AF     Afghanistan

1     200          BEL         Belgium

2     140          AUS       Australia

3     400           DE         Germany

4     225          IND           India

5     125           US   United States

6     600          GBR  United Kingdom

7       0          XYZ    Invalid Code

Answer 2

考虑到您有数据集，或者您可以通过 pycountry，您可以使用以下方法进行处理。

import pycountry

new_df = df['country-code'].apply(lambda x: pycountry.countries.get(alpha_3=x).name if len(x) == 3 else pycountry.countries.get(alpha_2=x).name)

print new_df

这打印：

new_df

0       Afghanistan

1           Belgium

2         Australia

3           Germany

4             India

5     United States

6    United Kingdom

Name: country_code, dtype: object

现在，考虑到您对长度为 2 和长度为 3 的代码都有 csv，如下所示：

 df2

  code           name

0   AF    Afghanistan

1   DE        Germany

2   US  United States

和

df3

  code            name

0  BEL         Belgium

1  AUS       Australia

2  IND           India

3  GBR  United Kingdom

在此之后，您可以按照以下步骤操作：

>>> new_df2 = df.merge(df2, left_on='country_code', right_on='code')

>>> new_df2

   amount country_code code           name

0     100           AF   AF    Afghanistan

1     400           DE   DE        Germany

2     125           US   US  United States

>>> new_df3 = df.merge(df3, left_on='country_code', right_on='code')

>>> new_df3

   amount country_code code            name

0     200          BEL  BEL         Belgium

1     140          AUS  AUS       Australia

2     225          IND  IND           India

3     600          GBR  GBR  United Kingdom

>>> df23 = pd.concat([new_df2, new_df3])

>>> df23.reset_index(inplace=True)

>>> df23.drop('index', inplace=True, axis=1)

>>> df23

   amount country_code code            name

0     100           AF   AF     Afghanistan

1     400           DE   DE         Germany

2     125           US   US   United States

3     200          BEL  BEL         Belgium

4     140          AUS  AUS       Australia

5     225          IND  IND           India

6     600          GBR  GBR  United Kingdom