我有一个实体属性值格式的csv文件(即,我的event_id
是非唯一的并且重复 k k 相关属性的次数):
event_id, attribute_id, value
1, 1, a
1, 2, b
1, 3, c
2, 1, a
2, 2, b
2, 3, c
2, 4, d
是否有任何方便的技巧可以将可变数量的属性(即,行)转换为列?这里的关键是输出应该是结构化数据的 m x n 表,其中 m = max(k);使用NULL
填充缺少的属性将是最佳的:
event_id, 1, 2, 3, 4
1, a, b, c, null
2, a, b, c, d
我的计划是(1)将csv转换为如下所示的JSON对象:
data = [{'value': 'a', 'id': '1', 'event_id': '1', 'attribute_id': '1'},
{'value': 'b', 'id': '2', 'event_id': '1', 'attribute_id': '2'},
{'value': 'a', 'id': '3', 'event_id': '2', 'attribute_id': '1'},
{'value': 'b', 'id': '4', 'event_id': '2', 'attribute_id': '2'},
{'value': 'c', 'id': '5', 'event_id': '2', 'attribute_id': '3'},
{'value': 'd', 'id': '6', 'event_id': '2', 'attribute_id': '4'}]
(2)提取独特的事件ID:
events = set()
for item in data:
events.add(item['event_id'])
(3)创建一个列表列表,其中每个内部列表是相应父事件的属性列表。
attributes = [[k['value'] for k in j] for i, j in groupby(data, key=lambda x: x['event_id'])]
(4)创建一个将事件和属性结合在一起的字典:
event_dict = dict(zip(events, attributes))
看起来像这样:
{'1': ['a', 'b'], '2': ['a', 'b', 'c', 'd']}
我不确定如何将所有内部列表设置为相同的长度,并在必要时填充NULL
个值。这似乎是需要在步骤(3)中完成的事情。此外,创建 n 列表中的 m NULL
值已经超出我的想法,然后遍历每个列表并使用attribute_id
填充值作为列表位置;但这似乎很笨拙。
答案 0 :(得分:0)
你的基本想法似乎是对的,不过我会按如下方式实施:
import itertools
import csv
events = {} # we're going to keep track of the events we read in
with open('path/to/input') as infile:
for event, _att, val in csv.reader(infile):
if event not in events:
events[event] = []
events[int(event)].append(val) # track all the values for this event
maxAtts = max(len(v) for _k,v in events.items()) # the maximum number of attributes for any event
with open('path/to/output', 'w') as outfile):
writer = csv.writer(outfile)
writer.writerow(["event_id"] + list(range(1, maxAtts+1))) # write out the header row
for k in sorted(events): # let's look at the events in sorted order
writer.writerow([k] + events[k] + ['null']*(maxAtts-len(events[k]))) # write out the event id, all the values for that event, and pad with "null" for any attributes without values