在我的数据中，.csv格式中有> 34.000个地理坐标，对于我需要返回的每个国家/地区而言。
我正在使用Python，即Geocoder库。 Google API的每日查询限制为2500，因此我需要两个星期的时间。
我的确切代码似乎与这个问题无关。
我想知道，考虑到我只需要一个国家而不是街道地址或其他任何信息，我是否可以完全避开Geocoder库或Google API？在某种程度上，国家坐标似乎是常识。
我能够在相对较短的时间内获得.kml格式的相同数据。
我没有找到这个问题的答案。任何输入表示赞赏。编辑，将我指向其他地方的现有答案，等等。
答案 0 :(得分：2)
您可以利用geopandas库并使用其world数据集：
import geopandas as gpd
world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))
现在，您可以将坐标加载到pandas数据框中并将其转换为POINT几何：
df = pd.read_csv('my_points.csv')
gdf = gpd.GeoDataFrame(df, geometry=gpd.points_from_xy(df.Longitude, df.Latitude))
上面的代码假设您的点列分别命名为Longitude和Latitude。
现在，您可以加入您的积分并获得他们所居住的国家/地区：
result = gpd.sjoin(gdf, world, how='left')