Question

这是我的第一个python程序 -

要求：在每行中读取由{adId UserId}组成的文件。对于每个adId，打印唯一userIds的数量。

这是我的代码，通过阅读python文档放在一起。你能给我一些关于如何用更多python-ish方式写这个的反馈吗？

代码：

import csv

adDict = {}
reader = csv.reader(open("some.csv"), delimiter=' ')
for row in reader:
    adId = row[0]
    userId = row[1]
    if ( adId in adDict ):
        adDict[adId].add(userId)
    else:
        adDict[adId] = set(userId)

for key, value in adDict.items():
    print (key, ',' , len(value))

感谢。

Answer 1

恭喜，您的代码非常好。你可以使用一些小技巧来缩短它们的速度。

有一个名为defaultdict的漂亮对象类型，由collections模块提供。您无需检查adDict是否具有adId键，而是可以设置一个默认的dict，其作用类似于常规字典，除非它在没有键时自动为您提供空集（）。所以你可以改变

if ( adId in adDict ):
    adDict[adId].add(userId)
else:
    adDict[adId] = set(userId)

简单地

adDict[adId].add(userId)

此外，而不是

for row in reader:
    adId = row[0]
    userId = row[1]

你可以将其缩短为

for adId,userId in reader:

编辑：正如帕克在评论中指出的那样，

for key, value in adDict.iteritems():

如果要同时使用两者，

是迭代dict的最有效方法循环中的关键和值。在Python3中，您可以使用

for key, value in adDict.items():

因为items（）返回一个迭代器。

#!/usr/bin/env python
import csv
from collections import defaultdict

adDict = defaultdict(set)
reader = csv.reader(open("some.csv"), delimiter=' ')
for adId,userId in reader:
    adDict[adId].add(userId)
for key,value in adDict.iteritems():
    print (key, ',' , len(value))

Answer 2

代码行：

adDict[adId] = set(userId)

不太可能按照您的意愿行事 - 它会将字符串userId视为一系列字母，例如，如果userId为aleax，您将获得四个字符集项目，就像说set(['a', 'l', 'e', 'x'])一样。稍后，当.add(userId) userId aleax再次'aleax'时，会添加第五项，即字符.add，因为set([userId])（与设置初始化程序不同，一个可迭代的参数）将一个项目作为其参数。

要制作包含单个项目的集合，请改用defaultdict。

这是一个相当频繁的错误，所以我想清楚地解释一下。话虽如此，setdefault正如其他答案中所建议的那样，显然是正确的方法（避免csv，这从来就不是一个好的设计，也没有良好的表现，也不是很模糊）。

我也会避免{{1}}的有点过分支持在每一行上使用.split和.strip的简单循环......

Answer 3

您可以将for循环缩短为：

for row in reader:
  adDict.setdefault(row[0], set()).add(row[1])

Answer 4

而不是：

for row in reader:
    adId = row[0]
    userId = row[1]

使用自动序列解包：

for (adId, userId) in reader:

在：

if ( adId in adDict ):

您不需要括号。

而不是：

if ( adId in adDict ):
    adDict[adId].add(userId)
else:
    adDict[adId] = set(userId)

使用defaultdict：

from collections import defaultdict
adDict = defaultDict(set)

# ...

adDict[adId].add(userId)

或者，如果您的教授不允许您使用其他模块，请使用setdefault()：

adDict.setdefault(adId, set()).add(userId)

打印时：

for key, value in adDict.items():
    print (key, ',' , len(value))

使用字符串格式可能更容易格式化：

print "%s,%s" % (key, len(value))

或者，如果您使用的是Python 3：

print ("{0},{1}".format (key, len(value)))

Answer 5

由于你只有一个以空格分隔的文件，我会这样做：

from __future__ import with_statement
from collections import defaultdict

ads = defaultdict(set)
with open("some.csv") as f:
    for ad, user in (line.split(" ") for line in f):
        ads[ad].add(user)

for ad in ads:
    print "%s, %s" % (ad, len(ads[ad]))

Answer 6

这里有一些很好的答案。

我特别喜欢的一个技巧是让我的代码在将来更容易重用

import csv

def parse_my_file(file_name):
     # some existing code goes here
     return aDict

if __name__ == "__main__":
     #this gets executed if this .py file is run directly, rather than imported
     aDict = parse_my_file("some.csv")
     for key, value in adDict.items():
         print (key, ',' , len(value))

现在，您可以从其他模块导入csv解析器，并获得对aDict的编程访问。

Answer 7

我所做的唯一改变是一次从阅读器中提取多个元素，并使用字符串格式化打印语句。

import csv

adDict = {}
reader = csv.reader(open("some.csv"), delimiter=' ')
# Can extract multiple elements from a list in the iteration statement:
for adId, userId in reader: 
    if ( adId in adDict ):
        adDict[adId].add(userId)
    else:
        adDict[adId] = set(userId)

for key, value in adDict.items():
    # I believe this gives you more control over how things are formatted:
    print ("%s, %d" % (key, len(value)))

Answer 8

只是几点点：

用于将行列表提取为变量：

adId, userId = row

if语句不需要大括号：

if adId in adDict:

你可以使用异常来处理dict中缺少的Key，但两种方式都运行良好，例如：

try:
    adDict[adId].add(userId)
except KeyError:
    adDict[adId] = set(userId)

有没有更好的，pythonic方式来做到这一点？

8 个答案: