Python - 相同类型的数据，相同的代码，但不同的结果

Question

如果我弄错了，我提前道歉，但下面显示的代码和数据在我看来相同，但会产生不同的结果。 我的数据如下：

csv 文件

1907-09-01,108,13.5,7.9,20.7
1907-09-02,108,16.2,7.9,22
1907-09-03,108,16.2,13.1,21.3
1907-10-04,108,16.5,11.2,22
1907-10-05,108,17.6,10.9,25.4
1907-10-06,108,13,11.2,21.3
1907-11-07,108,11.3,6.3,16.1
1907-11-08,108,8.9,3.9,14.9
1907-11-09,108,11.6,3.8,21.1
1907-11-10,108,14.2,6.4,24.1
1907-11-11,108,15.4,10.1,20.4
1907-12-12,108,13.9,11.1,17.4
1907-12-13,108,13.8,8.3,21.3
1907-12-14,108,13,6.1,20.6
1907-12-15,108,13.1,5.7,20.9

代码

f = open('ta_20200826183704.csv', 'r')
data = csv.reader(f)
header = next(data)

for row in data:
    print(row)


['1907-10-01', '108', '13.5', '7.9', '20.7']
['1907-10-02', '108', '16.2', '7.9', '22']
['1907-10-03', '108', '16.2', '13.1', '21.3']
['1907-10-04', '108', '16.5', '11.2', '22']
......

该数据集包含大约 40,000 天的数据点。使用此数据集，我尝试获取最后一列中的数据点（一天中的最高温度）并根据一天中的月份将它们放入列表中的列表中（例如，放入 all_month = [[], [], [], [], [], [], [], [], [], [], [], []] 中的相应列表中就像所有一月份的数据点都进入第一个嵌套列表）。简单来说，我尝试手动做groupby('month') of pandas。

当我运行下面的代码时：

import csv

f = open('ta_20200826183704.csv', 'r')
data = csv.reader(f)
header = next(data)

all_month = []
month = []

for i in range(1,13):
    all_month.append(month)
    
for row in data:
    month = int(row[0].split('-')[1])
    for i in range(1,13):
        if month == i:
            all_month[i-1].append(row[-1])

输出在每个嵌套列表中都有相同的数据，这意味着最后一列中的数据点没有按月份分组（即，所有这些点都放入每个嵌套列表中）。

真正让我困惑的是，当我手动输入相同数据的一小部分时，我能够得到预期的结果：

test_list = [[],[],[],[],[],[],[],[],[],[],[],[]]
test_data = [['1907-09-01', '108', '13.5', '7.9', '20.7'],
['1907-09-02', '108', '16.2', '7.9', '22'],
['1907-09-03', '108', '16.2', '13.1', '21.3'],
['1907-10-04', '108', '16.5', '11.2', '22'],
['1907-10-05', '108', '17.6', '10.9', '25.4'],
['1907-10-06', '108', '13', '11.2', '21.3'],
['1907-11-07', '108', '11.3', '6.3', '16.1'],
['1907-11-08', '108', '8.9', '3.9', '14.9'],
['1907-11-09', '108', '11.6', '3.8', '21.1'],
['1907-11-10', '108', '14.2', '6.4', '24.1'],
['1907-11-11', '108', '15.4', '10.1', '20.4'],
['1907-12-12', '108', '13.9', '11.1', '17.4'],
['1907-12-13', '108', '13.8', '8.3', '21.3'],
['1907-12-14', '108', '13', '6.1', '20.6'],
['1907-12-15', '108', '13.1', '5.7', '20.9']]

for row in test_data:
    month = int(row[0].split('-')[1])
    for i in range(1,13):
        if month == i:
            test_list[i-1].append(row[-1])

输出是：

[[],
 [],
 [],
 [],
 [],
 [],
 [],
 [],
 ['20.7', '22', '21.3'],
 ['22', '25.4', '21.3'],
 ['16.1', '14.9', '21.1', '24.1', '20.4'],
 ['17.4', '21.3', '20.6', '20.9']]

我能注意到两个代码之间的唯一区别是数据的输入（或读取）方式。

如果有人能指出我做错了什么和/或为什么会产生不同的结果，我将不胜感激。

Answer 1

让我们看看这个代码块：

all_month = []
month = []

for i in range(1,13):
    all_month.append(month)

这会将 1 个列表放入 all_month 十二次；您期望的是一个包含 12 个不同列表的列表，但这段代码所做的基本上是创建 12 个指向单个列表对象的指针。如果您使用这些指针中的任何一个，您正在修改或读取所有这些指针共有的列表，这就是您所看到的。您可以通过在all_month 的每个条目上调用id() 来看到这一点；您会看到它们都有相同的 id。

这里有很多解决方案，如果您使用all_month.append([])，那么每次您追加到all_month 时，您都会插入一个新列表。

Answer 2

我同意迈克尔的回答。但是为什么不直接使用 pandas 呢？

import pandas as pd
    
test_data = [['1907-09-01', '108', '13.5', '7.9', '20.7'],
['1907-09-02', '108', '16.2', '7.9', '22'],
['1907-09-03', '108', '16.2', '13.1', '21.3'],
['1907-10-04', '108', '16.5', '11.2', '22'],
['1907-10-05', '108', '17.6', '10.9', '25.4'],
['1907-10-06', '108', '13', '11.2', '21.3'],
['1907-11-07', '108', '11.3', '6.3', '16.1'],
['1907-11-08', '108', '8.9', '3.9', '14.9'],
['1907-11-09', '108', '11.6', '3.8', '21.1'],
['1907-11-10', '108', '14.2', '6.4', '24.1'],
['1907-11-11', '108', '15.4', '10.1', '20.4'],
['1907-12-12', '108', '13.9', '11.1', '17.4'],
['1907-12-13', '108', '13.8', '8.3', '21.3'],
['1907-12-14', '108', '13', '6.1', '20.6'],
['1907-12-15', '108', '13.1', '5.7', '20.9']]


df = pd.DataFrame(test_data) 

# You can load this directly from your csv like
# df = pd.read_csv("filename.csv") 

df[0] = pd.to_datetime(df[0])

grouped_df = df.groupby(df[0].dt.strftime('%m'))[4].apply(list).sort_values()

print(grouped_df)