读取 CSV 文件并创建字典？

Question

假设我在下面有一个“players.csv”文件，其中包含一些 NFL 球员的数据。我的目标是读取文件，并创建一个字典，其中键作为玩家的身高，值作为玩家资料列表。 （在元组中）

HEIGHT,NAME,DRAFTED,AGE,POSITION,WEIGHT

6,Aaron,2005,31,QB,225

5,Jordy,2008,30,WR,217

5,Randall,2011,24,WR,192

玩家资料元组示例，'name' 必须是字符串，'age' 和 'position' 必须是整数。起草的“年份”和“职位”必须忽略。

player_profile = (name, age, position)

预期的字典：

# 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的内容，但我被卡住了。

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')]})

如果您真的想避免导入，您可以使用 str.split 并使用 dict.setdefault 但我认为没有理由不使用 csv 和集合等内置库：

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 dict 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。这反过来意味着您将需要额外的传递，可能带有map，您将在其中将字符串转换为正确的类型。此外，一旦您阅读了文件，您可能希望对其内容进行某种分析或其他处理。

出于这个原因，我建议使用pandas.DataFrame，它提供类似于以下字典的行为：

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

Q 现在是DataFrame。检索所有高度为 5 的玩家：

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.

有关熊猫的更多信息，请参阅this link。

希望这会有所帮助。

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，您定义默认字典，列表为值。然后你浏览文件，我们必须去掉一些特殊字符，比如“\n”等等。然后我们用“，”分割整行。然后我们知道在哪里是什么。我们知道数字在零位，所以这是我们的关键。其他属性位于第 1、第 3 和第 5 位，因此我们还将这些标记包含在我们的列表中。我们将这个标记包含在列表中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:)

问候， 戈洛比奇