Question

我试图计算tsv文件中路径的平均长度。路径中的文章由＆＃34;;＆＃34;分隔。 tsvfile看起来像这样。

格式：[hashedIpAddress] [timestamp] [durationInSec] [路径] [评级]

  6a3701d319fc3754  1297740409  166 14th_century;15th_century;16th_century;Pacific_Ocean;Atlantic_Ocean;Accra;Africa;Atlantic_slave_trade;African_slave_trade   NULL
  3824310e536af032  1344753412  88  14th_century;Europe;Africa;Atlantic_slave_trade;African_slave_trade 3
  415612e93584d30e  1349298640  138 14th_century;Niger;Nigeria;British_Empire;Slavery;Africa;Atlantic_slave_trade;African_slave_trade   NULL

我的代码如此票价：

 import csv
 count=0
 with open('paths_finished.tsv', 'rb') as tsvfile:
     a = csv.reader(tsvfile,dialect='excel-tab')
     for row in a:
     # if row[3:4] == ';':
       # count++
         print row[1:4]

我如何计算＆＃39 ;;＆＃39;在文件？

Answer 1

使用索引而不是切片来获取单个列：

for row in a:
    article_count = len(row[3].split(';'))

拆分';'上的特定列文本会为您提供元素列表; len()告诉你有多少元素。

或者，计算;个字符，添加一个：

for row in a:
    article_count = row[3].count(';') + 1

但也许您也想对路径元素本身做些什么。

要获得所有路径的平均长度，我只需使用.count()：

total = 0
count = 0

for row in a:
    total += row[3].count(';') + 1
    count += 1

average = total / float(count)

在这种情况下，您甚至不必使用csv模块;您根本不需要将行拆分为行，其他列中没有;个分号，因此更简单的解决方案是循环遍历文件行：

with open('paths_finished.tsv', 'rb') as tsvfile:
    total = 0
    count = 0

    for line in tsvfile:
        total += line.count(';') + 1
        count += 1

    average = total / float(count)

Answer 2

您可以使用split方法：

paths = row[3].split(";")
print len(paths) - 1

这将计算行中;个字符的数量。如果要计算按-1

分割的元素，请删除;部分

Answer 3

如果您的唯一目标是计算分号，我只会使用;作为分隔符并使用len(row) - 1。

即

with open('paths_finished.tsv', 'rb') as tsvfile:
     a = csv.reader(tsvfile,dialect='excel-tab',delimiter=';')
     for row in a:
         print len(row)-1 # subtract 1 for counting ';'

数数;形成一个tsv文件

3 个答案: