主页 / 问题 / 1608970
Accepted
babyborn
Asked:2025-03-20 00:16:33 +0000 UTC2025-03-20 00:16:33 +0000 UTC

如何通过城市名称获取其人口？

  • 772

有一个文本文件，每行包含一个城市列表：

Абаза
Абакан
Абдулино
Абинск
Агидель
...

它是从页面ru.wikipedia.org/wiki/Спиок_городов_России解析而来的。

城市的顺序与页面上的顺序相同。如何获取每个城市的人口？

我逐行阅读了文件，下一步做什么？

with open('C:\\cities.txt', 'r',encoding="utf8") as f:
    nums = f.read().splitlines()
python

1 个回答

  1. Best Answer

    类似的案件可以在 的帮助下成功解决pandas.read_html。此函数的结果将是页面上的表格列表。维基百科通常组织得很好，很容易找到你需要的表格。在您的情况下，此列表中的前两个将是重要的，其中第一个是具有独立城市的主要城市，第二个是联邦重要城市内的城市（它们不被视为独立的，也不在第一个表中）。

    清理时，您需要考虑到城市人口以空格作为数字组之间的分隔符，并且某些数字带有方括号中的脚注，例如"13 010 112[2]"。

    import pandas as pd

href = r'https://ru.wikipedia.org/wiki/%D0%A1%D0%BF%D0%B8%D1%81%D0%BE%D0%BA_%D0%B3%D0%BE%D1%80%D0%BE%D0%B4%D0%BE%D0%B2_%D0%A0%D0%BE%D1%81%D1%81%D0%B8%D0%B8'
data = pd.read_html(href)

df_main = data[0].copy()
df_main.columns = ['index', 'crest', 'city', 'region', 'district', 'population', 'antiquity', 'status', 'former_names']
df_main = df_main.set_index('index').drop('crest', axis=1)
df_main['population'] = (
    df_main['population']
    .str.replace(' ', '')
    .str.split('[').str[0]
    .astype(int)
)
print(df_main.sort_values('population', ascending=False)[['city', 'population']].head())

                      城市人口
指数                             
608 莫斯科 13010112
832 圣彼得堡 5601911
677 新西伯利亚 1633595
278 叶卡捷琳堡 1544376
355 喀山 1308660

    data[1]您可以以类似的方式处理包含联邦重要城市内的城市的表格。它们之间的区别在于第四个字段的名称（第一个字段为"Регион"，第二个字段为 - "ГФЗ"）。如果统一此字段的名称并添加一个指示保险表编号的附加字段，则可以使用将两者安全地组合成一个表pandas.concat。在分析之前，您应该阅读页面上的脚注，以了解第二个表中联邦城市的人口与下属城市的人口相比如何。

    • 4

相关问题