有多个公司的地址信息。

故想利用这里多个地址。

想用这里的地址来代表区域之间的专利合作情况代表区域之间的协同、协作情况。

文章目录

有多个公司的地址信息。

故想利用这里多个地址。

想用这里的地址来代表区域之间的专利合作情况代表区域之间的协同、协作情况。

import

Counter(list(permutations([成都市,

武汉市,

krows.append(row)cols.append(col)values.append(v)demo_matrix

pd.DataFrame({row:

上述只是使用了一个专利合作地址构建的合作矩阵。

特意选取了其中有多个同一个地区的例子进行展示。

如上述例子中同一个专利中有两家北京的企业那么

北京-北京

最开始想的是写一个正则表达式提取省市区但是后面发现这不可行因为会有自治区、省道这些特殊名称的干扰。

为了达到比较高的准确率我收集了全国66万个行政区划代码表在其中逐个与专利的地址逐个对应。

通过这种方式可以保证比较高的准确率。

由于本次使用省与市的地址使用下述代码筛选出只有省和市的数据筛选代码如下

address_df

pd.read_csv(66万个全国各级行政区划代码表.csv)

def

address_filter_df.drop(columns[3,

5])

address_filter_df.rename(columns{1:

prov,

pd.read_excel(20250212合作申请.xlsx)下述代码实现了从专利地址中抽取出省市信息

def

build_marix(attr_name):addresses

df[address1].map(split_address).tolist()ans

{}for

extract_address(address_filter_df,

address)if

None:continuerow_address_parse.append(address_parse)row_address_parse

[tmp[prov]

row_address_parse]row_address_cnt

Counter(list(permutations(row_address_parse,

r2)))for

krows.append(row)cols.append(col)values.append(v)df_matrix

pd.DataFrame({row:

inplaceTrue)pivot_df.to_excel(f{attr_name}.xlsx)项目文件夹的内容如下