Python 创建新列并将数据存储在 .CSV 文件中

Question

我在 Python 脚本中尝试打开 .txt 文件，列出该文件中的单词，计算单词出现的次数（计数器）并将其放入 .csv 文件中。我的文件的名称来自 1870.txt - 1892 (1871,1872,1873..1892.txt)。那里的一切都有效，但我希望每个文件都放在下一列。

def putInExcel(outputt):
    i = 1790
    while i < 1892:
        inputt = str(i) + '.txt' #Making text file name

        writefile = open(outputt)
        writer = csv.writer(writefile)

        with open(inputt) as file:      #Separating each word and storing in list
            text = file.read().lower()
            text = re.sub('[^a-z\ \']+', " ", text)
            words = list(text.split())

            for word in words:
                cnt[word] += 1
            for key, count in cnt.iteritems(): #De-dent this block
                writer.writerow([key,count]) #Output both the key and the count

        writefile.close() 
        i = i+1

此脚本正在运行，但它将所有内容存储在一列中。 有人有什么想法吗？谢谢！

Answer 1

如果我理解正确，您需要一个包含每个年份/文件名列的表。在每一列中，您需要一个数字频率计数。最左边的列是单词本身：

____     | 1790 | 1791 | 1792 | ...
Aachen       1      1     2
aardvark     1      0     0
aardwolf     0      1     0
abacus       1      2     2
acrimony     2      2     2
   :

您现在有一个相当简单的脚本，不必担心不同数据集之间的交互。当您尝试处理多个输入列表时，您将不得不以某种方式“统一”它们。这就是为什么我在示例中显示了一些带有0 的条目。

我的建议是保留所有看到的单词的主人set 或dictionary。完成后，这将是最左边的列。

对于每个年份/输入文件，您可以保留单独的计数。您可以将它们组织为两个并行列表：年份/文件名和计数字典：

All_words = set()
Headers = []     # 1791, 1792, ...
Word_counts = [] # {'a':1, 'baa':2}, {'a':1, 'abacus': 1}, ...

现在，当您遍历文件时，将文件名和一个空字典添加到标题/计数列表中：

for ... 1791 ...
    Headers.append(year)
    cnt = dict()
    Word_counts.append(cnt)

像现在一样数数你的话。但是当你计算一个单词时，也要将它添加到所有单词的集合中：

        cnt[word] += 1
        All_words.add(word)

最后，完成后，您必须以相同的顺序处理单词。所以对All_words的内容进行排序并使用它：

row = ['Word\Year']
row.extend(Headers)
csvfile.writerow(...)

for word in sorted(All_words):
    row = [word]  # Left column is word
    row.extend([yr.get(word, 0) for yr in Word_counts])
    csvfile.writerow(...)