Python 中的正则表达式、矩阵、CSV

Question

我看过一些关于 numpy 模块等的相关帖子。我需要使用 csv 模块，它应该可以解决这个问题。虽然这里已经写了很多关于使用 csv 模块的文章，但我并没有完全找到我正在寻找的答案。提前非常感谢

基本上我有以下函数/伪代码（选项卡没有很好地复制...）：

import csv

def copy(inname, outname):
   infile = open(inname, "r")
   outfile = open(outname, "w")
   copying = False ##not copying yet

# if the first string up to the first whitespace in the "name" column of a row
# equals the first string up to the first whitespace in the "name" column of 
# the row directly below it AND the value in the "ID" column of the first row
# does NOT equal the value in the "ID" column of the second row, copy these two 
# rows in full to a new table.

例如，如果 inname 如下所示：

ID,NAME,YEAR, SPORTS_ALMANAC,NOTES

（前一千行）

1001,New York Mets,1900,ESPN

1002,New York Yankees,1920,Guiness

1003,Boston Red Sox,1918,ESPN

1004,Washington Nationals,2010 

（直到最后一行的最后大量行）

1231231231235,Detroit Tigers,1990,ESPN

然后我希望我的输出看起来像：

ID,NAME,YEAR,SPORTS_ALMANAC,NOTES

1001,New York Mets,1900,ESPN

1002,New York Yankees,1920,Guiness

因为字符串“New”是相同的字符串，直到“Name”列中的第一个空格，并且 ID 不同。需要明确的是，我需要代码尽可能通用，因为“New”上的正则表达式不是我需要的，因为常见的第一个字符串实际上可以是任何字符串。在第一个空格之后发生什么并不重要（即“华盛顿国民队”和“华盛顿特区”应该仍然给我一个打击，就像上面纽约的例子一样......）

我很困惑，因为在 R 中有一种方法： inname$name 通过特定行中的值轻松搜索。我尝试先用 R 编写我的脚本，但它变得令人困惑。所以我想坚持使用 Python。

Answer 1

这是你想要的吗（Python 3）？

import csv 

def first_word(value):
    return value.split(" ", 1)[0]

with open(inname, "r") as infile:
    with open(outname, "w", newline="") as outfile:
        in_csv = csv.reader(infile)
        out_csv = csv.writer(outfile)

        column_names = next(in_csv)
        out_csv.writerow(column_names)

        id_index = column_names.index("ID")
        name_index = column_names.index("NAME")

        try:
            row_1 = next(in_csv)
            written_row = False

            for row_2 in in_csv:
                if first_word(row_1[name_index]) == first_word(row_2[name_index]) and row_1[id_index] != row_2[id_index]:
                    if not written_row:
                        out_csv.writerow(row_1)

                    out_csv.writerow(row_2)
                    written_row = True
                else:
                    written_row = False

                row_1 = row_2
        except StopIteration:
            # No data rows!
            pass

对于 Python 2，使用：

with open(outname, "w") as outfile:
    in_csv = csv.reader(infile)
    out_csv = csv.writer(outfile, lineterminator="\n")