在 Python 中对 CSV 进行排序

Question

我假设使用 Python 对多个文本/数字字段上的 CSV 文件进行排序将是一个已经解决的问题。但是我在任何地方都找不到任何示例代码，除了专注于排序日期字段的特定代码。

如何按顺序对多个字段上的相对较大的 CSV 文件（数万行）进行排序？

Python 代码示例将不胜感激。

Answer 1

这是 Alex 的答案，经过重新设计以支持列数据类型：

import csv
import operator

def sort_csv(csv_filename, types, sort_key_columns):
    """sort (and rewrite) a csv file.
    types:  data types (conversion functions) for each column in the file
    sort_key_columns: column numbers of columns to sort by"""
    data = []
    with open(csv_filename, 'rb') as f:
        for row in csv.reader(f):
            data.append(convert(types, row))
    data.sort(key=operator.itemgetter(*sort_key_columns))
    with open(csv_filename, 'wb') as f:
        csv.writer(f).writerows(data)

编辑：

我做了一个傻事。几天前，我在 IDLE 中玩各种东西，并写了一个 convert 函数。我忘了我已经写过了，而且我很久没有关闭 IDLE - 所以当我写上面的时候，我认为convert 是一个内置函数。可惜没有。

这是我的实现，虽然 John Machin 的更好：

def convert(types, values):
    return [t(v) for t, v in zip(types, values)]

用法：

import datetime
def date(s):
    return datetime.strptime(s, '%m/%d/%y')

>>> convert((int, date, str), ('1', '2/15/09', 'z'))
[1, datetime.datetime(2009, 2, 15, 0, 0), 'z']

Answer 2

这是罗伯特修复亚历克斯答案中缺少的convert()：

>>> def convert(convert_funcs, seq):
...    return [
...        item if func is None else func(item)
...        for func, item in zip(convert_funcs, seq)
...        ]
...
>>> convert(
...     (None, float, lambda x: x.strip().lower()),
...     [" text ", "123.45", " TEXT "]
...     )
[' text ', 123.45, 'text']
>>>

我更改了第一个参数的名称，以强调 per-columns 函数可以满足您的需求，而不仅仅是类型强制。 None 用于表示没有转化。

Answer 3

你提出了 3 个问题：

• 文件大小
• csv 数据
• 对多个字段进行排序

这是第三部分的解决方案。您可以以更复杂的方式处理 csv 数据。

>>> data = 'a,b,c\nb,b,a\nb,c,a\n'
>>> lines = [e.split(',') for e in data.strip().split('\n')]
>>> lines
[['a', 'b', 'c'], ['b', 'b', 'a'], ['b', 'c', 'a']]
>>> def f(e):
...     field_order = [2,1]
...     return [e[i] for i in field_order]
... 
>>> sorted(lines, key=f)
[['b', 'b', 'a'], ['b', 'c', 'a'], ['a', 'b', 'c']]

编辑为使用列表推导，生成器无法像我预期的那样工作。

Answer 4

Python 的排序只在内存中工作；然而，在现代机器上，数以万计的行应该很容易放入内存中。所以：

import csv

def sortcsvbymanyfields(csvfilename, themanyfieldscolumnnumbers):
  with open(csvfilename, 'rb') as f:
    readit = csv.reader(f)
    thedata = list(readit)
  thedata.sort(key=operator.itemgetter(*themanyfieldscolumnnumbers))
  with open(csvfilename, 'wb') as f:
    writeit = csv.writer(f)
    writeit.writerows(thedata)