在 Python 中组织数据集

Question

我有一个包含大量习语的 .csv 数据集。每行包含三个我想分隔的元素（用逗号分隔）：

1) 索引号 (0,1,2,3...)

2) 成语本身

3) 如果成语是肯定的/否定的/中性的

以下是 .csv 文件的一个小示例：

0,"I did touch them one time you see but of course there was nothing doing, he wanted me.",neutral

1,We find that choice theorists admit that they introduce a style of moral paternalism at odds with liberal values.,neutral

2,"Well, here I am with an olive branch.",positive

3,"Its rudder and fin were both knocked out, and a four-foot-long gash in the shell meant even repairs on the bank were out of the question.",negative

如您所见，有时成语会包含引号，而有时则不会。不过，我认为这不会很难排序。

我认为在 Python 中组织它的最佳方式是通过字典，如下所示：

example_dict = {0: ['This is an idiom.', 'neutral']}

那么如何将每一行拆分为三个不同的字符串（基于逗号），然后将第一个字符串作为键号，最后两个作为dict中对应的列表项？

我最初的想法是尝试使用以下代码拆分逗号：

for line in file:    
    new_item = ','.join(line.split(',')[1:])

但它所做的只是删除一行中第一个逗号之前的所有内容，而且我认为通过它进行大量迭代不会有效率。

我想获得一些关于组织数据的最佳方法的建议？

Answer 1

Python 有 an entire module 专门用于处理 csv 文件。在这种情况下，您可以使用它从文件中创建列表列表。让我们暂时将您的文件称为idioms.csv：

import csv
with open('idioms.csv', newline='') as idioms_file:
    reader = csv.reader(idioms_file, delimiter=',', quotechar='"')
    idioms_list = [line for line in reader]

# Now you have a list that looks like this:
# [[0, "I did touch them...", "neutral"],
#  [1, "We find that choice...", "neutral"],
#  ...
# ]

您现在可以按照自己的喜好对数据进行排序或组织。