python - 使用 Python 选择一列中具有特定范围值的行

Question

我知道这很简单，但我是 Python 的新用户，所以我在这里遇到了一些麻烦。顺便说一句，我正在使用 Python 3。

我有多个看起来像这样的文件:

姓名日期年龄性别肤色

Name Date Age Sex Color
Ray  May  25.1 M  Gray
Alex Apr  22.3 F  Green
Ann  Jun  15.7 F  Blue

(假装这是制表符分隔的。我应该补充一点，真实文件将有大约 3,000 行和 17-18 列)

我想要做的是选择年龄列中的值小于 23 的所有行。

在这个例子中，输出将是:

Name Date Age Sex Color
Alex Apr  22.3 F  Green
Ann  Jun  15.7 F  Blue

这是我尝试做的:

f = open("addressbook1.txt",'r')
line = f.readlines()
file_data =[line.split("\t")]
f.close()

for name, date, age, sex, color in file_data:
    if age in line_data < 23:
        g = open("college_age.txt",'a')
        g.write(line)
    else:
        h = open("adult_age.txt",'a')
        h.write(line)

现在，理想情况下，我有 20-30 个这样的“地址簿”输入文件，我希望这个脚本循环遍历所有这些文件，并将所有年龄在 23 岁以下的条目添加到同一个输出文件(“college_age.txt”) .我真的不需要保留其他行，但我不知道还能用它们做什么。

此脚本在我运行时会生成错误。

AttributeError: 'list' object has no attribute 'split'

然后我把第三行改成:

file_data=[line.split("\t") for line in f.readlines()]

它不再给我一个错误，而是什么都不做。它只是开始然后开始。

有什么帮助吗？ :) 请记住，我对 Python 很笨。

我应该补充一点，我的实际数据是小数而不是整数。我已经编辑了上面的数据以反射(reflect)这一点。

Answer 1

这里的问题是您使用了两次 readlines()，这意味着第一次读取了数据，然后第二次什么都没有留下。

您可以在不使用 readlines() 的情况下直接遍历文件 - 事实上，这是更好的方法，因为它不会一次读取整个文件。

虽然您可以通过使用 str.split() 来完成您想做的事情，但更好的选择是使用 the csv module ，这是为任务而设计的。

import csv

with open("addressbook1.txt") as input, open("college_age.txt", "w") as college, open("adult_age.txt", "w") as adult:
   reader = csv.DictReader(input, dialect="excel-tab")
   fieldnames = reader.fieldnames
   writer_college = csv.DictWriter(college, fieldnames, dialect="excel-tab")
   writer_adult = csv.DictWriter(adult, fieldnames, dialect="excel-tab")
   writer_college.writeheader()
   writer_adult.writeheader()
   for row in reader:
       if int(row["Age"]) < 23:
          writer_college.writerow(row)
       else:
          writer_adult.writerow(row)

那我们来这里做什么？首先我们使用 the with statement对于opening files .它不仅更具 Python 风格和可读性，而且为您处理关闭，即使在发生异常时也是如此。

接下来我们创建一个 DictReader，它从文件中读取行作为字典，自动使用第一行作为字段名称。然后我们让编写器写回我们的拆分文件，并写入标题。使用 DictReader 是一个偏好问题。它通常在您经常访问数据的地方(以及当您不知道列的顺序时)使用得更多，但它使代码在这里更易于阅读。但是，您可以只使用标准的 csv.reader()。

接下来我们遍历文件中的行，检查年龄(我们将其转换为 int 以便我们可以进行数值比较)以了解要写入哪个文件。 with 语句为我们关闭文件。

对于多个输入文件:

import csv

fieldnames = ["Name", "Date", "Age", "Sex", "Color"]
filenames = ["addressbook1.txt", "addressbook2.txt", ...]

with open("college_age.txt", "w") as college, open("adult_age.txt", "w") as adult:
   writer_college = csv.DictWriter(college, fieldnames, dialect="excel-tab")
   writer_adult = csv.DictWriter(adult, fieldnames, dialect="excel-tab")
   writer_college.writeheader()
   writer_adult.writeheader()
   for filename in filenames:
       with open(filename, "r") as input:
           reader = csv.DictReader(input, dialect="excel-tab")
           for row in reader:
               if int(row["Age"]) < 23:
                  writer_college.writerow(row)
               else:
                  writer_adult.writerow(row)

我们只是添加一个循环来处理多个文件。请注意，我还添加了一个字段名称列表。在我只是使用文件中的字段和顺序之前，但由于我们有多个文件，我认为在这里这样做会更明智。另一种方法是使用第一个文件来获取字段名称。