Question

让我们说我有一个＆＃39; players.csv＆＃39;以下是一些NFL球员的数据。我的目标是读取文件，并创建一个字典，其中键作为玩家的高度，值作为玩家档案列表。（这是一个元组）

HEIGHT,NAME,DRAFTED,AGE,POSITION,WEIGHT

6,Aaron,2005,31,QB,225

5,Jordy,2008,30,WR,217

5,Randall,2011,24,WR,192

玩家个人资料元组示例，＆＃39;名称＆＃39;必须是一个字符串和＆＃39; age＆＃39;和＆＃39;位置＆＃39;必须是整数。＆＃39;年＆＃39;起草和＆＃39;职位＆＃39;必须被忽略。

player_profile = (name, age, position)

预期字典：

# players height are keys, player profiles are values.
dict = {
    6: [('Aaron', 31, 225)]
    5: [('Jordy', 30, 217), ('Randall', 24, 192)]
   }

以下是我到目前为止所遇到的情况。

final_dict = {}

#open csv file
with open(filename) as f:
    info = f.read()

#split the newline characters
info2 = info.split()

#exclude the header
info3 = info2[1:]

Answer 1

使用csv module和defaultdict来处理重复键：

import csv
from collections import defaultdict

d = defaultdict(list)

with open("in.csv") as f:
    next(f) # skip header
    r = csv.reader(f)
    # unpack use height as key and  append name age and position
    for h, nm, _, a, p ,_ in r:
        d[int(h)].append((nm, int(a), p))

print(d)

输出：

defaultdict(<type 'list'>, {5: [('Jordy', 30, 'WR'), ('Randall', 24, 'WR')], 6: [('Aaron', 31, 'QB')]})

如果你真的想避免导入，你可以使用str.split并使用dict.setdefault，但我认为没有理由不使用像csv和collections这样的内置库：

d = {}

with open("in.csv") as f:
    next(f)  
    for line in f:
        h, nm, _, a, p ,_  = line.split(",")
        d.setdefault(int(h),[]).append((nm, int(a), p))

print(d)

输出：

{5: [('Jordy', 30, 'WR'), ('Randall', 24, 'WR')], 6: [('Aaron', 31, 'QB')]}

您的输入示例不正确，因为POSITION是一个字符串，您应该使用WEIGHT来匹配您的预期输出：

with open("in.csv") as f:
    next(f) # skip header
    r = csv.reader(f)
    # unpack use height as key and  append name age and weight
    for h, nm, _, a, _ ,w in r:
        d[int(h)].append((nm, int(a), int(w)))

输出：

defaultdict(<type 'list'>, {5: [('Jordy', 30, 217), ('Randall', 24, 192)], 6: [('Aaron', 31, 225)]})

使用普通字典进行相同的更改以获得相同的输出。

Answer 2

csv模块的问题在于它不会自动处理数据类型转换，正如您可能已经从Padraic的回答中注意到的那样，键是字符串，年龄也是如此。这反过来意味着您需要额外的传递，可能需要map，您将在其中将字符串转换为正确的类型。此外，一旦您读取文件，您可能希望对其内容执行某种分析或其他处理。

出于这个原因，我建议使用pandas.DataFrame来提供类似于字典的行为，如下所示：

import pandas
Q = pandas.read_csv("myfile.csv", index_col = "HEIGHT")

Q现在是DataFrame。要检索高度为5的所有玩家：

Q.ix[5] #Returns two rows according to the data posted in the question.

要获得身高5的球员的中位年龄：

Q.ix[5]["AGE"].median() #27.0 according to the data posted in the question.

有关大熊猫的更多信息，请参阅this link。

希望这有帮助。

Answer 3

我认为这是这个问题最基本的解决方案

from collections import defaultdict

players = defaultdict(list)
for line in open("players.csv"):
    line = line.strip()
    tokens = line.split(",")
    xs = [tokens[1], tokens[3], tokens[5]]
    players[tokens[0]].append(tuple(xs))

首先，您要将list作为值来定义默认dict。然后你通过文件，我们必须删除一些特殊字符，如“\ n”等。然后我们用“，”分割整行。然后我们知道在哪里。我们知道这个数字是零位置，所以这是我们的关键。其他属性位于第1，第3和第5位置，因此我们还在列表中包含这些令牌。我们列出这个令牌列表只是为了将此列表转换为元组。这是最简单的解决方案。我们也可以这样说

players[tokens[0]].append((tokens[1], tokens[3], tokens[5]))

它也可以工作：）

此致 golobich

阅读CSV文件并创建字典？

3 个答案: