来自 csv 文件的 Python 总和答案

【问题标题】：Python total sum from a csv file来自 csv 文件的 Python 总和
【发布时间】：2020-05-21 13:59:53
【问题描述】：

我有 133 个 CSV 文件

第一个文件file1.cvs 有以下数据：

A               b    C
Name            2   Value
jack            3   2%
jack            3   1.33%
jack            4   1.112%
sara            5   4%
sara            6   9%
adam            1   7%
adam            2   10%
nada            3   3%
nada            4   1%
tom             5   1%

我想计算列（仅 jack、sara、tom）和 C 列上特定名称的总和，并将输出保存在新的 csv 文件中，如下所示：

File name : file1.csv
jack  4.442%
sara  13%
tom   1%    

File name : file2.csv

.......等等

使用任何编程语言（python、ruby、r 等）

【问题讨论】：

我猜试试 pandas read_csv
使用python 可能很容易完成，特别是具有DataFrame 功能的pandas 模块。见here

标签： python r excel database csv

【解决方案1】：

1.创建可重现的最小示例数据

df <- data.frame(A=rep(c("Jack", "Joe"), 3), C=runif(6))

2.使用dplyr库的解决方案：

library(dplyr)
summarised <- df %>% 
  group_by(A) %>% 
  summarise(Total = sum(C))

write.csv(summarised, "File_Name.csv")

【讨论】：

【解决方案2】：

使用R，您可以首先搜索一个文件夹中包含的所有csv，然后在该向量上执行sapply（使用dplyr 包执行所需的操作）。最后，在list.files所示的同一文件夹中搜索结果文件。

library(dplyr)

#Find all the csv files in the indicated path
#Change the path location to the folder where you have your csv files
file_locs<-list.files(path="C:/Folder with csvs",
                      pattern = ".csv",
                      full.names = T)

sapply(file_locs, function(x){

  #Read csv, skipping first line if it contains the A, b, c entries
  #as headers, if not you can remove the "skip = 1"
  df<-read.csv(x, skip = 1)

  #Use dplyr to get the Value sum, grouped by Name
  resuls<-df %>%
    group_by(Name) %>%
    summarize(sumVal = sum(Value))

  #Get the csv original name, i.e., without the .csv part
  file_name<-strsplit(x,".csv")[[1]][1]

  #Write the results using the original file name and adding: _resul
  write.csv(resuls, paste0(file_name,"_resul.csv"),row.names = F)
})

【讨论】：

从文件的外观来看，您应该在 read.csv 部分设置skip = 2，这样它就会跳过文件的前两行。然后，您应该将变量Name 和Value 更改为数据的实际名称，例如Node.Name 和Virtual.Memory。您可以使用colnames(df) 检查R 如何导入数据的列名。
谢谢我今天只需要找到解决方案抱歉问了很多问题:(我现在收到这个错误:> source("C:\\Users\\dell\\Desktop\\12.R ") Summary.factor(c(2L, 2L, 3L, 3L, 3L, 6L), na.rm = FALSE) 中的错误：'sum' 对因子没有意义
可能是因为你的数据有“%”号。您可以在创建结果对象之前将其删除，使用 stringr 包，例如：df$Value<-str_extract(df$Value,"(\\d)+")。