Python CSV - 需要对按另一列中的值分组的列中的值进行求和

Question

我的 csv 中有数据需要解析。它看起来像:

Date, Name, Subject, SId, Mark
2/2/2013, Andy Cole, History, 216351, 98
2/2/2013, Andy Cole, Maths, 216351, 87
2/2/2013, Andy Cole, Science, 217387, 21
2/2/2013, Bryan Carr, Maths, 216757, 89
2/2/2013, Carl Jon, Botany, 218382, 78
2/2/2013, Bryan Carr, Biology, 216757, 27

我需要将 Sid 作为键，并使用该键对标记列中的所有值求和。输出将类似于:

Sid     Mark
216351  185
217387   21
216757  116
218382   78

我不必将输出写入文件。当我执行 python 文件时我只需要它。这是类似的question 。应该如何更改以跳过中间的列？

Answer 1

这就是直方图的概念。使用 collections 中的 defaultdict(int) 并迭代您的行。使用“Sid”值作为字典的键，并将“Mark”值添加到当前值。

int 类型的 defaultdict 确保如果键目前不存在，则其值将初始化为 0。

from collections import defaultdict

d = defaultdict(int)

with open("data.txt") as f:
    for line in f:
        tokens = [t.strip() for t in line.split(",")]
        try:
            sid = int(tokens[3])
            mark = int(tokens[4])
        except ValueError:
            continue
        d[sid] += mark

print d

输出:

defaultdict(<type 'int'>, {217387: 21, 216757: 116, 218382: 78, 216351: 185})

您可以将解析部分更改为其他任何内容(例如使用 csvreader 或执行其他验证)。这里的关键点是使用 defaultdict(int) 并像这样更新它:

d[sid] += mark