我有一个天气日期的数据框，如下所示：
+----+------------+----------+-----------+ |身份证 |Station_ID |纬度 |经度 | +----+------------+----------+-----------+ | 0 |6010400 | 52.93 | -82.43 | | 1 |6010400 | 52.93 | -82.43 | | 2 |6010400 | 52.93 | -82.43 | | 3 |616I001 | 45.07 | -77.88 | | 4 |616I001 | 45.07 | -77.88 | | 5 |616I001 | 45.07 | -77.88 | +----+------------+----------+-----------+
我想使用基于纬度和经度值的 API 查找创建一个名为postal_code的新列。我无法对数据帧中的每一行执行查找，因为这效率低下，因为有超过 500,000 行，只有 186 个唯一Station_IDs。由于我需要使用的 API 的速率限制，这也是不可行的。
我相信我需要执行分组转换，但无法弄清楚如何让它正常工作。
任何这方面的帮助将不胜感激。
我相信，您只能将 groupby 用于聚合，这不是您想要的。
首先将"纬度"和"经度"结合起来。它给出了一个带有元组的新列。
df['coordinates'] = list(zip(df['Latitude'],df['Longitude']))
然后，您可以使用此"坐标"列使用set数据类型创建(纬度，经度)的所有唯一值，因此它不包含重复项。
set(list(df['coordinates']))
然后按照您所说的使用 API 调用获取这些坐标的postal_codes，并将它们存储为字典。 然后，您可以使用此字典填充每行的邮政编码。
postal_code_dict = {'key':'value'} #sample dictionary
df['postal_code'] = df['coordinates'].apply(lambda x: postal_code_dict[x])
希望这有帮助。