Pandas と GeoPandas を使用しています

A GeoPandasAdapter は、 Pandas および GeoPandas ライブラリの操作を容易にするために、 geopandas アダプタのパッケージで提供されています。 でインポート、インスタンス化、および有効化が完了すると Platform、 HERE Data SDK for Python の多くの読み取りおよび書き込み機能が pd.DataFramepd.GeoSeriesgpd.GeoDataFramegpd.GeoSeries 、 Python list および dict オブジェクトの代わりに、およびを受け入れて返します。

• アダプタを有効にしています
• DataFrame に読み取ります
• DataFrame をレイヤーに書き込みます
• データフレームを操作します

アダプタを有効にしています

HERE GeoPandas アダプタは、次の 3 つの方法のいずれかで適用できます。

• すべての読み取り / 書き込み操作に適用されます
• カタログ単位で提供されます
• 関数呼び出しごとに指定します

以下に、これらの 3 つのオプションを示します。

オブジェクトを介して作成されたすべてのカタログおよび他のエンティティにアダプタを適用するには PlatformPlatform 、そのオブジェクトをインスタンス化するときにアダプタを指定します。

from here.platform import Platform
from here.geopandas_adapter import GeoPandasAdapter

platform = Platform(adapter=GeoPandasAdapter())

選択したカタログにのみアダプタを有効にして、対応 get_catalog する呼び出しで指定することもできます。

from here.platform import Platform
from here.geopandas_adapter import GeoPandasAdapter

platform = Platform()
adapter = GeoPandasAdapter()

# These catalogs use the adapter
weather_eu = platform.get_catalog('hrn:here:data::olp-here:live-weather-eu', adapter=adapter)
weather_na = platform.get_catalog('hrn:here:data::olp-here:live-weather-na', adapter=adapter)

# This catalog does not
sdii = platform.get_catalog("hrn:here:data::olp-here:olp-sdii-sample-berlin-2")

最後に、アダプターの使用を単一の機能で指定することもできます。

from here.platform import Platform
from here.geopandas_adapter import GeoPandasAdapter

platform = Platform()
adapter = GeoPandasAdapter()

weather_na = platform.get_catalog('hrn:here:data::olp-here:live-weather-na')
live_layer = weather_na.get_layer('latest-data')

# This function uses the adapter
weather_df = live_layer.read_partitions([75477, 75648, 75391, 75562], adapter=adapter, record_path="weather_condition_tile")

# This function does not
weather_msgs = live_layer.read_partitions([75477, 75648, 75391, 75562])

DataFrame に読み取ります

バージョン管理、揮発性、インデックス、ストリーム、およびインタラクティブなマップレイヤーからデータおよびメタデータを読み取るには、まずこのユーザー ガイドの対応するセクションで説明されている読み取り関数について理解してください。

get_partitions_metadata、 read_partitions、 read_stream_metadata、 read_stream、、のすべての標準パラメーター get_featuresiter_features このアダプターおよびそのデータデコーダーに転送されるアダプター固有のパラメーターに加えて、がサポートされます。

データの読み取りおよびデコードを行う場合 、アダプタ固有のパラメータがpd.read_csv pd.read_parquetに渡されます。また、各パーティションの実際のデコードを実行する Pandas 関数に似ています。 データに (GEO) DataFrame インデックスがある場合は、それらのインデックスを処理する方法など、単一のパーティションのデコードの詳細を微調整するために使用できます。 は GeoPandasAdapter 、出力を 1 つの DataFrame にまとめます。 サポートされているコンテンツタイプおよび正確なパラメータの詳細については、 GeoPandasDecoder のドキュメントを参照してください。 パーティション名は partition_id 列に保存され、複数のパーティションを一度に読み取るときに、あるパーティションから読み取られたデータと別のパーティションから読み取られたデータを区別します。 partition_id 列の実際の名前は GeoPandasAdapter 、コンストラクタ内で設定できます。また、プロトコルバッファスキーマに続くコンテンツなどの特定の形式のデコードを微調整するための他のパラメータも設定できます。

decode=False が read_partitions に渡された場合、または read_streamデコードが行われない場合、アダプタは使用されず bytes 、を含むプレーンな Python コレクションまたはイテレータが返されます。

DataFrame 内のバージョン付レイヤーからパーティションデータとメタデータを取得します

パーティションメタデータを取得するには、 get_partitions_metadata を使用します。 GeoPandasAdapter が有効な場合 pd.DataFramelistdict 、またはの代わりに、またはの例に示すようにが返されます。

例 : DataFrame でバージョン管理されたメタデータを取得しています

from here.platform import Platform
from here.geopandas_adapter import GeoPandasAdapter

platform = Platform(adapter=GeoPandasAdapter())
sdii_catalog = platform.get_catalog("hrn:here:data::olp-here:olp-sdii-sample-berlin-2")
versioned_layer = sdii_catalog.get_layer("sample-versioned-layer")

partitions_df = versioned_layer.get_partitions_metadata([377894434, 377894435, 377894440, 377894441])

パーティションメタデータは、インデックス化されていない DataFrame で返されます。

データ を取得およびデコードするには、 read_partitions を使用します。 GeoPandasAdapter が有効な場合 pd.DataFramegpd.GeoDataFramelistdict 、またはは、内容に応じて、またはの代わりに、またはが返されます（次の例を参照）。

例 : DataFrame でバージョン管理されたデータを読み取ります

partitions_df = versioned_layer.read_partitions(partition_ids=[377894434, 377894435])

パーティションのデータは、インデックス化されていない DataFrame に返されます。 pd.DataFrame 1 つのまたはのみ gpd.GeoDataFrame が返されます。 複数のパーティションのデータがすべて同じ出力に含まれます。 partition_id 明確にするために列が追加されます。 列の名前は、レイヤーのコンテンツタイプ、スキーマ、および実際のコンテンツによって異なります。 が partition_ids 指定されていない場合は、レイヤー全体が読み取られます。

この例では 、 Protobuf 形式でエンコードされたコンテンツを読み取ります。

( わかりやすいようにテキストが切り捨てられます )

コンテンツタイプおよび実際のスキーマによっては、返された DataFrame を直接使用できる場合と、使用可能なフォームにするために操作をさらに必要とする場合があります。 csv 、 GeoJSON 、 Parquet 、および schemaless のコンテンツタイプはデコードされ、ユーザーに最適な形式に自動的に変換されます。 たとえば 、 GeoJSON はにデコード gpd.GeoDataFrameされます。 Protobufでエンコードされたデータには、通常、ネストされた複合フィールドや繰り返しフィールド、リスト、辞書、その他の複合データ構造体が含まれます。

GeoPandasDecoder のドキュメント には、デコードを微調整し、すべてのコンテンツタイプ、特に Protobufでエンコードされたデータの結果の出力を改善するために使用できるパラメータが示されています。 record_path パラメーターは非常に一般的です。指定すると、そのパス内のコンテンツのみがデコードされます。 指定したパスのフィールドが繰り返しフィールドになる場合、パーティションごとに複数の行が返されます。 また、可能な場合は、複数の列に自動的に展開されます。

上記の例を続けて、同じパーティションを再度読み取り、 record_path パラメーターを指定して、わかりやすいように列を選択します。

columns = ["messageId", "message.envelope.transientVehicleUUID", "message.path.positionEstimate", "metadata.receivedTime"]

messages_df = versioned_layer.read_partitions(partition_ids=[377894434, 377894435], record_path="messages", columns=columns)

結果 :

( わかりやすいようにテキストと行が切り捨てられます )

partition_id 列は、デコード後に常に自動的に追加されます。

列 message.path.positionEstimate には一覧表が含まれています。この一覧表はさらに処理でき、 DataFrame がメッセージごとに 1 つの行を持つことを想定して位置ごとに 1 つの行に変換します。

from here.geopandas_adapter.utils.dataframe import unpack_columns

estimates_df = messages_df[["messageId", "message.path.positionEstimate"]].explode("message.path.positionEstimate")
estimates_df = unpack_columns(estimates_df, "message.path.positionEstimate", keep_prefix=False)

結果 :

( わかりやすいように列と行が切り捨てられます )

DataFrame 内のボラタイル レイヤーからパーティションデータとメタデータを取得します

パーティションメタデータを取得するには、 get_partitions_metadata を使用します。 GeoPandasAdapter が有効な場合 pd.DataFramelistdict 、またはの代わりに、またはの例に示すようにが返されます。

例 : DataFrame で揮発性メタデータを取得しています

from here.platform import Platform
from here.geopandas_adapter import GeoPandasAdapter

platform = Platform(adapter=GeoPandasAdapter())
weather_catalog = platform.get_catalog('hrn:here:data::olp-here:live-weather-eu')
volatile_layer = weather_catalog.get_layer('latest-data')

partitions_df = volatile_layer.get_partitions_metadata(partition_ids=[81150, 81151])

パーティションメタデータは、インデックス化されていない DataFrame で返されます。

データ を取得およびデコードするには、 read_partitions を使用します。 GeoPandasAdapter が有効な場合 pd.DataFramegpd.GeoDataFramelistdict 、またはは、内容に応じて、またはの代わりに、またはが返されます（次の例を参照）。

例 : DataFrame 内の揮発性データの読み取り

partitions_df = volatile_layer.read_partitions(partition_ids=[81150, 81151], record_path="weather_condition_tile")

パーティションのデータは、インデックス化されていない DataFrame に返されます。 pd.DataFrame 1 つのまたはのみ gpd.GeoDataFrame が返されます。 複数のパーティションのデータがすべて同じ出力に含まれます。 partition_id 明確にするために列が追加されます。 列の名前は、レイヤーのコンテンツタイプ、スキーマ、および実際のコンテンツによって異なります。 が partition_ids 指定されていない場合は、レイヤー全体が読み取られます。

この例では 、 Protobuf 形式でエンコードされたコンテンツを読み取ります。

columns = ["tile_id",
           "center_point_geohash",
           "air_temperature.value",
           "dew_point_temperature.value",
           "humidity.value",
           "air_pressure.value",
           "visibility.value",
           "iop.value",
           "wind_velocity.value",
           "wind_velocity.direction",
           "precipitation_type.precipitation_type"]

partitions_df = volatile_layer.read_partitions(partition_ids=[81150, 81151], record_path="weather_condition_tile", columns=columns)

この例では 、 Protobuf Repeated フィールドから取得した列のみを選択 weather_condition_tileします。その結果、次のようになります。

( わかりやすいように行が切り捨てられます )

DataFrame 内のインデックス レイヤーからパーティションデータとメタデータを取得します

パーティションメタデータを取得するには、 get_partitions_metadata を使用します。 GeoPandasAdapter が有効な場合 pd.DataFramelistdict 、またはの代わりに、またはの例に示すようにが返されます。

例 : DataFrame のインデックスメタデータを取得しています

from here.platform import Platform
from here.geopandas_adapter import GeoPandasAdapter

platform = Platform(adapter=GeoPandasAdapter())
sdii_catalog = platform.get_catalog("hrn:here:data::olp-here:olp-sdii-sample-berlin-2")
index_layer = sdii_catalog.get_layer("sample-index-layer")

partitions_df = index_layer.get_partitions_metadata(query="hour_from=ge=10")

パーティションメタデータは、インデックス化されていない DataFrame で返されます。 インデックス レイヤーにはパーティションの適切な識別子がないため、データ ハンドルはパーティション ID の代わりに使用されます。

データ を取得およびデコードするには、 read_partitions を使用します。 GeoPandasAdapter が有効な場合 pd.DataFramegpd.GeoDataFramelistdict 、またはは、内容に応じて、またはの代わりに、またはが返されます（次の例を参照）。 が partition_ids 指定されていない場合は、レイヤー全体が読み取られます。

例 : DataFrame 内のインデックスデータの読み取り

partitions_df = index_layer.read_partitions(query="hour_from=ge=10")

パーティションのデータは、インデックス化されていない DataFrame に返されます。 pd.DataFrame 1 つのまたはのみ gpd.GeoDataFrame が返されます。 複数のパーティションのデータがすべて同じ出力に含まれます。 partition_id 明確にするために列が追加されます。 列の名前は、レイヤーのコンテンツタイプ、スキーマ、および実際のコンテンツによって異なります。 インデックス レイヤーにはパーティションの適切な識別子がないため、データ ハンドルはパーティション ID の代わりに使用されます。

( わかりやすいようにテキストと行が切り捨てられます )

この特定の例では、他の種類のレイヤーについて説明し、 「 DataFrames および GeoDataFrames の操作」のセクションで詳しく説明しているように、 unpack_columns この関数を使用して辞書を適切な列にさらに展開すると便利です。

from here.geopandas_adapter.utils import dataframe

columns = ["partition_id", "pathEvents"]

events_df = dataframe.unpack_columns(partitions_df[columns], ["pathEvents"], keep_prefix=False)

結果 :

( わかりやすいように、テキスト、列、行が切り捨てられます )

DataFrame 内のストリーム レイヤーからパーティションデータとメタデータを取得します

get_stream_metadata を使用 して、ストリームサブスクリプションからパーティションメタデータを消費します。 GeoPandasAdapter が有効な場合 pd.DataFramelistdict 、またはの代わりに、またはの例に示すようにが返されます。

例 : DataFrame でのストリームメタデータの取得

from here.platform import Platform
from here.geopandas_adapter import GeoPandasAdapter

platform = Platform(adapter=GeoPandasAdapter())
sdii_catalog = platform.get_catalog("hrn:here:data::olp-here:olp-sdii-sample-berlin-2")
stream_layer = sdii_catalog.get_layer("sample-streaming-layer")

with stream_layer.subscribe() as subscription: 
    partitions_df = stream_layer.get_stream_metadata(subscription=subscription)

パーティションメタデータ（ストリームメッセージ）は、インデックス化されていない DataFrame で返されます。 この例のようにデータにインライン化することも、大きすぎる場合は Blob API を介して保存することもできます。

( わかりやすいようにテキストと行が切り捨てられます )

ストリームサブスクリプションからデータを消費、取得、およびデコードするには、 read_stream を使用します。 GeoPandasAdapter が有効な場合 pd.DataFramegpd.GeoDataFramelistdict 、またはは、内容に応じて、またはの代わりに、またはが返されます（次の例を参照）。

例 : DataFrame 内のストリームデータの読み取り

この例では、などのアダプタ固有のパラメータ record_pathを使用してデコードをカスタマイズする方法を示します。 データのプロパティの選択のみに関心があります。

この例では 、 Protobuf 形式でエンコードされたコンテンツを読み取ります。

with stream_layer.subscribe() as subscription:
    columns = ["timeStampUTC_ms",
               "latitude_deg",
               "longitude_deg",
               "heading_deg",
               "speed_mps"]

    partitions_df = stream_layer.read_stream(subscription=subscription, record_path="path.positionEstimate", columns=columns)

パーティションのデータは、インデックス化されていない DataFrame に返されます。 pd.DataFrame 1 つのまたはのみ gpd.GeoDataFrame が返されます。 複数のパーティションのデータがすべて同じ出力に含まれます。 partition_id 明確にするために列が追加されます。 列の名前は、レイヤーのコンテンツタイプ、スキーマ、および実際のコンテンツによって異なります。

( わかりやすいように行が切り捨てられます )

GeoDataFrame の Interactive マップ レイヤーから機能を取得します

search_features を使用 して、 1 つのインタラクティブマップ レイヤーからフィーチャを取得します。 GeoPandasAdapter が有効な場合 gpd.GeoDataFramelistdict 、またはの代わりに、またはの例に示すようにが返されます。

このレイヤーは、他の関数をサポートしています。この関数の中には、レイヤーからフィーチャーを照会して取得する get_features および spatrical_search があります。 GeoDataFrame は、これらの関数からも返されます。

Jupyter ノートブックで実行して いる場合、 GeoDataFrame を使用すると、地図上で簡単に機能を視覚的に確認できます。以下の例では、 HERE インスペクタを使用して説明しています。

例 : GeoDataFrame のフィーチャの読み取り

この例では、サンプルカタログとサンプルのインタラクティブなマップ レイヤーからベルリンの地区（ Bezirk ）を取得します。

from here.platform import Platform
from here.geopandas_adapter import GeoPandasAdapter

platform = Platform(adapter=GeoPandasAdapter())

sample_catalog = platform.get_catalog("hrn:here:data::olp-here:here-geojson-samples")
iml_layer = sample_catalog.get_layer("berlin-interactivemap")

features_gdf = iml_layer.search_features()

search_features パラメーターを指定しない場合、すべての内容が返され、次の結果になります。

( わかりやすいようにテキストと行が切り捨てられます )

次のように、検索パラメータを指定することもできます。

features_gdf = iml_layer.search_features(params={"p.BezName": "Pankow"}, force_2d=True)

1 つの領域のみを選択し、座標から z レベルを削除します。

( わかりやすいようにテキストが切り捨てられます )

結果は、 Jupyter ノートブックで実行して いるときに、 HERE インスペクタを使用してマップ上に直接レンダリングできます。

from here.inspector import inspect
from here.inspector.styles import Color

inspect(features_gdf, "Districts of Berlin", style=Color.BLUE)

例 : GeoDataFrame 内の機能の地理空間検索

この例では、ベルリンの区を、街のランドマークである Zoologischer Garten 駅から 1000m の距離にあるクエリで検索します。この駅は、クエリで表示されている座標にあります。

from here.platform import Platform
from here.geopandas_adapter import GeoPandasAdapter

platform = Platform(adapter=GeoPandasAdapter())

sample_catalog = platform.get_catalog("hrn:here:data::olp-here:here-geojson-samples")
iml_layer = sample_catalog.get_layer("berlin-interactivemap")

features_gdf = iml_layer.spatial_search(lng=13.33474, lat=52.50686, radius=1000)

結果 :

結果は、次のものを使用して Jupyter ノートブックで直接レンダリングできます。

from here.inspector import inspect
from here.inspector.styles import Color

inspect(features_gdf, "Districts within 1000m from Berlin Zoologischer Garten railway station", style=Color.RED)

DataFrame をレイヤーに書き込みます

バージョン管理、揮発性、インデックス、ストリーム、およびインタラクティブなマップの各レイヤーにデータとメタデータを書き込むには、まずこのユーザー ガイドの対応するセクションで説明されている書き込み関数について理解してください。

GeoPandas アダプタでサポートされているコンテンツタイプ ( 表を参照) の場合、 DataFrame または GeoDataFrame のコンテンツをエンコードして、単一の関数でレイヤーに書き込むことができます。 サポートされていないコンテンツタイプの場合 encode=False は、自分でエンコードを渡して処理する必要があります。

set_partitions_metadata、 write_partitions、 append_stream_metadata、 write_stream、、のすべての標準パラメーター write_featuresupdate_featuresは delete_features 、このアダプタおよびそのデータエンコーダに転送されるアダプタ固有のパラメータに加えて、サポートされています。

データの書き込みおよびエンコードを行う場合、は GeoPandasAdapter (GE) DataFrame を分割 partition_id し、列に従ってパーティションに書き込みます。 行の選択内容は、それぞれエンコードされ、スタンドアロンのパーティションとして保存されます。 パーティション識別子が設定されていない行は廃棄されます。 アダプタ固有のパラメータ DataFrame.to_csvDataFrame.to_parquet は、に渡され、各パーティションの実際の符号化を実行する同様の関数になります。 これらの機能を使用して、 (GE) DataFrame インデックスの処理方法など、単一パーティションのエンコードの詳細を微調整できます。 サポートされているコンテンツタイプと正確なパラメータの詳細については、 GeoPandasEncoder のドキュメントを参照してください。

encode=Falsewrite_partitions がまたはに渡された場合 write_streambytes は、 (GE) DataFrame を含む ( ジオ ) プレーンの Python コレクションも渡す必要があります。これは、アダプタが使用されず、符号化も行われないためです。

書き込みの例は、上に示した読み取りの例と対称です。

DataFrames と GeoDataFrames を操作します

一般的に使用されている Pandas ライブラリおよび GeoPandas ライブラリについては、文書化されており、データの分析および操作を行うための使用方法を示す多くの例が公開されています。 一般に、データは表形式で表示され、テーブルの各セルには、定義されたデータ型 ( 数値、文字列、またはその他の基本型 ) を持つ 1 つの値が含まれます。

マップ データおよび一般に、カタログに保存されているデータは高度に構造化され、複雑なネストされたスキーマをたどることがあります。 Pandas ではこのような複雑な問題に対処 することが困難な場合があります。 したがって、 HERE Data SDK for Python には 、繰り返し 作業を実行し、複雑な DataFrame を操作する HERE -geopandas アダプタパッケージユーティリティ関数が含まれています。特に、単一の値ではなく、ディクショナリを含む列を持つ DataFrame が含まれています。

Series および DataFrame の開梱

Pandas には 、list 列に含まれているタイプのオブジェクトを複数の行に変換するための展開機能があります。 同様 dict に、 HERE Data SDK for Python には、複数の列を含む単一の列を回転させる unpack_columns 関数と unpack_columns 関数があります。 これは、カタログからデータを読み込んだり、複雑なデータモデルを操作したりすることによって生じる可能性があるデータ構造を展開するための便利な機能です。

unpack Series が含まれている dict オブジェクトに適用 DataFrameされ、を返します。 unpack_columns DataFramedict オブジェクトを含む 1 つ以上の列を、ディクショナリの各フィールドに 1 つずつ、複数の列に置き換えるためににに適用されます。 また、完全にネストされたデータ構造を簡単に処理できるように、展開も再帰的に行われます。

例 : ディクショナリが含まれている DataFrame 列を展開します

df構造化オブジェクトから派生した DataFrame の例を次に示します。

import pandas as pd

berlin = {
    "name": "Berlin",
    "location": {
        "longitude": 13.408333,
        "latitude": 52.518611,
        "country": { "name": "Deutschland", "code": "DE" }
    },
    "zip_codes": { "min": 10115, "max": 14199 },
    "population": 3664088
}

paris = {
    "name": "Paris",
    "location": {
        "longitude": 2.351667,
        "latitude": 48.856667,
        "country": { "name": "France", "code": "FR" }
    },
    "zip_codes": { "min": 75001, "max": 75020 },
    "population": 2175601
}

df = pd.DataFrame([berlin, paris])

結果 :

列を展開して locationzip_codes 、操作が困難な辞書を含めることができます。 展開処理は再帰的で、たとえば country に含まれているネストされたディクショナリも展開さ locationれます。

from here.geopandas_adapter.utils.dataframe import unpack_columns

unpacked_df = unpack_columns(df, columns=["location", "zip_codes"])

結果 :

列を 1 つ以上の列で置き換えます

関数 replace_column を使用 DataFrame すると、の 1 つの列を別の DataFrame の 1 つ以上の列に置き換えることができます。

例 : 1 つの列を複数の列に置き換える

例の DataFrames と dfdf2を指定します。

import pandas as pd

df = pd.DataFrame({
    "col_A": [11, 31, 41],
    "col_B": [12, 32, 42],
    "col_C": [14, 34, 42]
}, index = [1, 3, 4])

df2 = pd.DataFrame({
    "col_Bx": [110, 130, 140],
    "col_By": [115, 135, 145]
}, index = [1, 3, 4])

結果 :

および :

col_Bcol_Bx AND に置き換えることができます col_By。

from here.geopandas_adapter.utils.dataframe import replace_column

replaced_df = replace_column(df, "col_B", df2)

結果 :

列名へのプレフィックスの追加と削除

PREFIX_COLUMNS 関数および UNPREFIX_COLUMNSDataFrame関数は、の選択した列の名前にプレフィックスを追加または削除するために使用されます。 . 接頭辞と列名の間に区切り文字が追加されます。

これは、 DataFrame の関連する列を共通の接頭辞でグループ化 ( 接頭辞 ) する場合、または複数の列 (接頭辞なし) に存在する長い冗長な接頭辞を削除して、操作しやすい派生 DataFrame を取得する場合に役立ちます。

例 : 共通の接頭辞を持つ列の接頭辞

DataFrame の例を示し dfます。

import pandas as pd

df = pd.DataFrame({
    "name": ["Sarah", "Vivek", "Marco"],
    "age": [41, 29, 35],
    "house_nr": ["1492", "34-35", "48A"],
    "road": ["SE 36th Ave", "Seshadri Road", "Via Giosuè Carducci"],
    "city": ["Portland", "Bengaluru", "Milan"],
    "zip": [97214, 560009, 20123],
    "state": ["OR", "KA", pd.NA],
    "country": ["US", "IN", "IT"],
})

結果 :

住所の一部である列をグループ化して、次の文字列を前に付けることができます address。

from here.geopandas_adapter.utils.dataframe import prefix_columns

prefixed_df = prefix_columns(df, "address", ["house_nr", "road", "city", "zip", "country", "state"])

結果 :

例 : 共通のプレフィックスを削除します

上記の例を続行 address すると、プレフィックスを削除して元の DataFrame を取得できます。

from here.geopandas_adapter.utils.dataframe import unprefix_columns

unprefixed_df = unprefix_columns(prefixed_df, "address")

結果 :