重复计数关键列CSV文件python 3

Question

我有分隔文件。（CSV/PIPE 分隔文件）

示例文件：

Id,Name,Age
1,ads,23
2,dfg,24
2,hgh,25
3,fgh,26
4,fdfgh,27
4,fh,28

我必须在 Id 列上获取 重复计数，并且还应该创建单独的文件（重复）。应创建重复计数和包含重复的文件。

输出应该是这样的

控制台：应该像这样打印

ID : 
2 is repeated 2 times
4 is repeated 2 times

输出文件应该看起来像

ID:
2 is repeated 2 times 
4 is repeated 2 times

这是我的示例代码。

import sys
import csv
import datetime
import time
import os from operator
import itemgetter from collections
import Counter

d = ','
read1 = csv.reader(open('D:\ANACONDS\example.csv','r'),delimiter=d)
sort_src = sorted(read1, key=itemgetter(0))
g = len(list(csv.reader(open('D:\ANACONDS\example.csv'))))
print("the number of records are :" ,g)
ids = Counter()
for row in sort_src:
    ids += Counter([row[0]])
    print(len(list(ids)))

任何帮助将不胜感激。

Answer 1

当你需要量化类别时，你可以使用直方图，你可以实现 使用简单的 'dict' 生成直方图。每个类别（在您的情况下为“id”）可用于总结文件中出现的频率。我希望下一个代码对您有所帮助。

import csv
from operator import itemgetter

histogram = dict()

with open('yourfile.csv', 'r') as f:
    csv_read = csv.reader(f, delimiter=',')    
    sort_src = sorted(csv_read, key=itemgetter(0))
    print("The Number of records:", len(sort_src))
    #    
    for row in sort_src:
        if row[0].isdigit(): #Because you don't want to count headers
            if row[0] in histogram:
                histogram[row[0]] += 1
            else:
                histogram[row[0]] = 1       

    #
for item in sorted(histogram.items()):
    print('ID {0} is repeated {1} times'.format(item[0], item[1]))        


if __name__ == '__main__':
    pass

运行代码以获得所需的输出。 记录数：7， ID 1 重复 1 次， ID 2 重复 2 次， ID 3 重复 1 次， ID 4 重复 2 次，

顺便说一句，我在您的代码中看到了很多打开的文件和文件的路径。您可以使用上下文管理器，它允许拥有更简洁的代码，并在您不打算使用它们时减少导入。

Answer 2

要只看到重复的项目，只需修改 for 循环块如下：

for item in sorted(histogram.items()):
    if(item[1] > 1):
        print('ID {0} is repeated {1} times'.format(item[0], item[1]))