输出在python中以字典排序顺序出现

Question

我有一个 csv 文件集合，其名称类似于 2.csv、3.csv ....、999.csv。每个文件有 91 行。我想要一组新文件从所有文件中收集特定行。例如。 row1.csv 应该有所有 998 个文件的第一行，同样 row35.csv 应该有所有 998 个文件的第 35 行。因此，在我的脚本完成运行后，我总共应该有 91 个文件（每行一个），每个文件有 998 行（每个原始文件一个）。

我使用以下代码来完成任务

import glob
import os
for i in range(2,92):
  outfile = open("row_%i.csv" %i,'w')
  for filename in glob.glob('DataSet-MediaEval/devFeatures/*.csv'):
    with open(filename, 'r') as infile:
      lineno = 0 
      for line in infile:
        lineno += 1
        if lineno == i:
          outfile.write(line)
  outfile.close()

现在在任何 outfile row_i.csv 中，我的数据都按字典排序顺序排列。示例：

row_50.csv 文件中的第一行是10.csv 的第 50 行。

换句话说，在任何row_i.csv 中，行来自10.csv、100.csv、101.csv 等等。

我想知道为什么会发生这种情况，有没有一种方法可以确保我的 row_i.csv 以文件的顺序排列，即2.csv、3.csv 等等。

感谢您花时间阅读本文。

Answer 1

不确定这是否可行或是否还有更多问题，但似乎glob 以排序顺序（按字符串排序）或随机顺序返回文件名。在这两种情况下，您都必须从文件名中提取数字并按该数字排序。

试试这样的：

p = re.compile(r"/(\d+)\.csv")
filenames = glob.glob(...)
for filename in sorted(filenames, key=lambda s: int(re.search(p, s).group(1))):
    ...

此外，您似乎一次又一次地打开、循环和关闭所有 92 个输出文件的所有 999 个文件！最好一次打开所有 92 个输出文件并将它们存储在字典中，将行号映射到文件。这样，您只需循环 999 个文件一次。

类似这样的东西（完全没有测试）：

outfiles = {i: open("row_%i.csv" %i, 'w') for i in range(2,92)}
p = re.compile(r"/(\d+)\.csv")
filenames =  glob.glob('DataSet-MediaEval/devFeatures/*.csv'):
for filename in sorted(filenames, key=lambda s: int(re.search(p, s).group(1))):
    with open(filename, 'r') as infile:
        for lineno, line in enumerate(infile):
            outfiles[lineno].write(line)
for outfile in outfiles.values():
    outfile.close()

Answer 2

您需要在开始迭代之前对文件名列表进行排序。这可以帮助您：

import re
import glob

filename_list = glob.glob('DataSet-MediaEval/devFeatures/*.csv')

def splitByNumbers(x):
    r = re.compile('(\d+)')
    l = r.split(x)
    return [int(y) if y.isdigit() else y for y in l]

filenames = sorted(filename_list, key = splitByNumbers)

那么你可以使用代替

for filename in glob.glob('DataSet-MediaEval/devFeatures/*.csv'):

这个

for filename in filenames: