Question

我正在解析csv文件以执行一些基本的数据处理。我正在使用的文件是一个用户活动日志，其格式如下：

User ID, Url, Number of Page Loads, Number of Interactions

用户ID和Url是字符串，页面加载数和交互数是整数。

我正在尝试确定哪个网址具有最佳的互动与页面比率。

我正在努力的部分是获得独特的价值并汇总列中的结果。

我写了以下代码：

import csv
from collections import defaultdict

fields = ["USER","URL","LOADS","ACT"]

file = csv.DictReader(open('file.csv', 'rU'), delimiter=",",fieldnames=fields)
file.next()

dict = defaultdict(int)

for i in dict:
    dict[i['URL']] += int(i['LOADS'])

这很好用。它返回一个唯一网址列表，其中包含字典中网址的总加载次数 - { 'URL A' : 1000 , 'URL B' : 500}

问题是当我尝试向url键添加多个值时，我很难过。

我已经尝试修改for循环：

for i in dict:
    dict[i['URL']] += int(i['LOADS']), int(i['ACT'])

我收到TypeError: unsupported operand type(s) for +=: 'int' and 'tuple'。为什么第二个值被视为元组？

我尝试添加int(i[ACT])，但效果很好。就在我同时尝试这两个值的时候。

我在python 2.6.7上;关于如何做到这一点以及为什么它被视为元组的任何想法？

Answer 1

因为int(i['LOADS']), int(i['ACT'])是一个元组：

>>> 1, 2
(1, 2)

如果您想同时添加两个变量，只需将它们一起添加：

+= int(i['LOADS']) + int(i['ACT'])

此外，您正在隐藏内置dict和list类型。使用不同的变量名称。一旦你的影子，你将无法使用list内置：

>>> d = {1: 2, 3: 4}
>>> list(d)
[1, 3]
>>> list = 5
>>> list(d)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: 'int' object is not callable

Answer 2

只是当我同时尝试这两个值时。

你想如何＆＃34;添加＆＃34;他们？作为他们的总和？

for i in list:
    dict[i['URL']] += int(i['LOADS']) + int(i['ACT'])

另外，请勿使用list和dict作为变量名称。

import csv
fields = ["USER","URL","LOADS","ACT"]

d = {}
with open('file.csv', 'rU') as f:
    csvr = csv.DictReader(f, delimiter=",",fieldnames=fields)
    csvr.next()
    for rec in csvr:
        d[rec['URL']] = d.get(rec['URL'], 0) + int(rec['LOADS']) + int(rec['ACT'])

Answer 3

最好使用list作为defaultdict容器：

import csv
from collections import defaultdict

d = defaultdict(list)
fields = ["USER","URL","LOADS","ACT"]

with open('file.csv', 'rU') as the_file:
    rows = csv.DictReader(the_file, delimiter=",",fieldnames=fields)
    rows.next()

    for row in rows:
        data = (int(row['LOADS']),int(row['ACT']))
        d[row['URL']].append(data)

现在你有了

d['someurl'] = [(5,17),(7,14)]

现在你可以做任何你想要的总和，例如，URL的所有loads：

load_sums = {k:sum(i[0] for i in d[k]) for k in d}

Answer 4

您可以使用面向对象的方法并定义一个类来保存信息。它比大多数其他答案更啰嗦，但值得考虑。

import csv
from collections import defaultdict

class Info(object):
    def __init__(self, loads=0, acts=0):
        self.loads = loads
        self.acts = acts
    def __add__(self, args): # add a tuple of values
        self.loads += args[0]
        self.acts += args[1]
        return self
    def __repr__(self):
        return '{}(loads={}, acts={})'.format(self.__class__.__classname__,
                                              self.loads, self.acts)

summary = defaultdict(Info)
fields = ["USER", "URL", "LOADS", "ACTS"]

with open('urldata.csv', 'rU') as csv_file:
    reader = csv.DictReader(csv_file, delimiter=",", fieldnames=fields)
    reader.next() # skip header
    for rec in reader:
        summary[rec['URL']] += (int(rec['LOADS']), int(rec['ACTS']))

for url,info in summary.items():
    print '{{{!r}: ({}, {})}}'.format(url, info.loads, info.acts)

Stumped - 在Python中从字典列表中获取具有多个关联值的唯一键

4 个答案: