将具有多个数据部分的csv文件读入可寻址结构

时间:2017-02-03 19:29:48

标签: python database python-3.x csv pandas

我制作了一个csv文件,如下所示:

csv file image

现在,在我的Python文件中,我希望它从food field place列中获取数据,这只是:

a
b
c
d
e

然后我希望它只从饮料领域中获取味道等数据。

我的问题是:如何创建一个具有类似"字段"的数据库? (IE:食物/饮料)和每个领域内的地址都是我描述的特定细胞?

1 个答案:

答案 0 :(得分:1)

这个问题非常开放,所以我将展示两种可能的方法将这些数据解析成一个可以按照你描述的方式访问的结构。

解决方案#1

此代码使用更高级的python和库。它使用csv读取器周围的生成器来允许有效读取数据的多个部分。然后将数据放入每个部分pandas.DataFrame。每个数据框都可以在dict中访问。

可以像下列这样访问数据:

ratings['food']['taste']

这将给出pandas.Series。可以使用常规python列表:

list(ratings['food']['taste'])

使用生成器将数据读取到Pandas Dataframe的代码:

def csv_record_reader(csv_reader):
    """ Read a csv reader iterator until a blank line is found. """
    prev_row_blank = True
    for row in csv_reader:
        row_blank = (row[0] == '')
        if not row_blank:
            yield row
            prev_row_blank = False
        elif not prev_row_blank:
            return

ratings = {}
ratings_reader = csv.reader(my_csv_data)
while True:
    category_row = list(csv_record_reader(ratings_reader))
    if len(category_row) == 0:
        break
    category = category_row[0][0]

    # get the generator for the data section
    data_generator = csv_record_reader(ratings_reader)

    # first row of data is the column names
    columns = next(data_generator)

    # use the rest of the data to build a data frame
    ratings[category] = pd.DataFrame(data_generator, columns=columns)

解决方案#2

以下是将数据读取到dict的解决方案。可以通过以下方式访问数据:

ratings['food']['taste']

将CSV读取为dict的代码:

from collections import namedtuple

ratings_reader = csv.reader(my_csv_data)
ratings = {}
need_category = True
need_header = True
for row in ratings_reader:
    if row[0] == '':
        if not (need_category or need_header):
            # this is the end of a data set
            need_category = True
            need_header = True

    elif need_category:
        # read the category (food, drink, ...)
        category = ratings[row[0]] = dict(rows=[])
        need_category = False

    elif need_header:
        # read the header (place, taste, ...)
        for key in row:
            category[key] = []
        DataEnum = namedtuple('DataEnum', row)
        need_header = False

    else:
        # read a row of data
        row_data = DataEnum(*row)
        category['rows'].append(row_data)
        for k, v in row_data._asdict().items():
            category[k].append(v)

测试数据:

my_csv_data = [x.strip() for x in """
    food,,
    ,,
    place,taste,day
    a,good,1
    b,good,2
    c,awesome,3
    d,nice,4
    e,ok,5
    ,,
    ,,
    ,,
    drink,,
    ,,
    place,taste,day
    a,good,1
    b,good,2
    c,awesome,3
    d,nice,4
    e,ok,5
""".split('\n')[1:-1]]

要从文件中读取数据:

with open('ratings_file.csv', 'rb') as ratings_file: 
    ratings_reader = csv.reader(ratings_file)