读取 .csv 文件并根据特定列中的相等值连接值

Question

我有一个 csv 文件，它包含三列（A、B 和 C），它们的值如下图所示： CSV Table

1,2,4
1,257,5
1,258,6
1,8,7
1,260,8
2,24,9
2,26,10
2,234,11
3,14,12
3,22,13
3,78,14

我想通过 "-" 加入 B 列中的值，而它们在 A 列中的值相同。因此，预期的输出如下：

[“2-257-258-8-260”、“24-26-234”、“14-22-78”]

谁能帮助我如何获得这些结果。

提前致谢

Answer 1

如果您的数据集采用以下格式：

A,B,C
1,2,4
1,257,5
1,258,6
1,8,7
1,260,8
2,24,9
2,26,10
2,234,11
3,14,12
3,22,13
3,78,14

您可以使用itertools.groupby() 对A 列中的项目进行分组，并连接B 列中的元素：

from csv import reader
from itertools import groupby
from operator import itemgetter

with open('data.csv') as in_file:
    csv_reader = reader(in_file)

    # skip headers
    next(csv_reader)

    # sort data by A column, then C column
    sorted_data = sorted(csv_reader, key=itemgetter(0, 2))

    # group by A column, and join by B column
    grouped = ['-'.join(map(itemgetter(1), g)) for _, g in groupby(sorted_data, key=itemgetter(0))]
    print(grouped)

哪些输出：

['2-257-258-8-260', '24-26-234', '14-22-78']

注意：此解决方案在分组之前排序，以防数据尚未主要在列A 上排序，然后在列C 上排序。

Answer 2

这是一个简单的 Python 解决方案。

我们使用csv 阅读器来读取数据。在我的代码中，我从名为file_data 的行列表中读取，但您可以将file_data 更改为打开的文件对象。

我们将数据存储到一个列表字典中，A 列的值作为键，B 列的值被附加到一个列表中。

然后我们按顺序遍历键，将 B 数据连接成所需形式的字符串。

import csv
from collections import defaultdict

file_data = '''\
1,2,4
1,257,5
1,258,6
1,8,7
1,260,8
2,24,9
2,26,10
2,234,11
3,14,12
3,22,13
3,78,14
'''.splitlines()

reader = csv.reader(file_data)
data = defaultdict(list)
for a, b, c in reader:
    #print(a, b, c)
    data[a].append(b)

out = ['-'.join(data[k]) for k in sorted(data.keys())]
print(out)

输出

['2-257-258-8-260', '24-26-234', '14-22-78']

Answer 3

熊猫解决方案

尝试使用 pandas groupby 函数，然后使用 pandas apply，然后在其中写入 lambda x:，然后使用 '-' 加入新的列表理解：

import pandas as pd
df = pd.DataFrame({'A':[1,1,1,2,2,3,3], 'B': [124,456,465,46,35,53,33]})
print(df.groupby('A')['B'].apply(lambda x: '-'.join([str(i) for i in x.values])).tolist())

输出：

['124-456-465', '46-35', '53-33']