Pythonic循环字典的方法

Question

我正在练习 Pandas，有以下任务：

创建一个列表，其元素是每个 .csv 文件的列数

---

.csv 文件存储在字典 directory 按年份键入

我使用字典理解 dataframes（再次按年份键入）将 .csv 文件存储为 pandas 数据帧

directory = {2009: 'path_to_file/data_2009.csv', ... , 2018: 'path_to_file/data_2018.csv'}

dataframes = {year: pandas.read_csv(file) for year, file in directory.items()}

---

# My Approach 1 
columns = [df.shape[1] for year, df in dataframes.items()]

# My Approach 2
columns = [dataframes[year].shape[1] for year in dataframes]

哪种方式更“Pythonic”？还是有更好的方法来解决这个问题？

Answer 1

import os
#use this to find files under certain dir, you can filter it if there are other files
target_files = os.listdir('path_to_file/')       
columns = list()
for filename in train_files:
    #in your scenario @piRSquared's answer would be more efficient.
    columns.append(#column_numbers) 

如果您希望文件名中的键按年份列出，您可以像这样过滤文件名并更新字典：

year = filename.replace(r'[^0-9]', '')

Answer 2

您的方法 2：

columns = [dataframes[year].shape[1] for year in dataframes]

在未来使用数据框进行合并、绘图、操作等时更加 Pythonic 和简洁。因为在理解中隐含了键，而形状给出了列数

Answer 3

你可以使用：

columns = [len(dataframe.columns) for dataframe in dataframes.values()]

正如@piRSquared 提到的，如果您的唯一目标是获取数据框中的列数，则不应读取整个 csv 文件，而应使用 read_csv 函数的 nrows 关键字参数。

Answer 4

您的方法将完成...但我不喜欢读取整个文件并创建一个数据框只是为了计算列数。你可以通过读取每个文件的第一行并计算逗号的数量来做同样的事情。请注意，我添加了1，因为逗号总是比列数少一个。

columns = [open(f).readline().count(',') + 1 for _, f in directory.items()]