为什么他们在编写 csv 时使用集合？）让我困惑

Question

偶然发现这个话题Save results to csv file with Python

我只需要 - 将 csv 更改写入文件。但。这段代码偷了我的一些行））不合理的数量（而不是代码中的五个）

您能解释一下为什么他们在这个简单的操作中使用集合吗？ 为什么在这里使用计数器？

Use csv.writer:

import csv

with open('thefile.csv', 'rb') as f:
  data = list(csv.reader(f))

import collections
counter = collections.defaultdict(int)
for row in data:
    counter[row[0]] += 1


writer = csv.writer(open("/path/to/my/csv/file", 'w'))
for row in data:
    if counter[row[0]] >= 4:
        writer.writerow(row)

Answer 1

这一行

counter = collections.defaultdict(int)

创建一个defaultdict，其中值是整数，默认值为零。然后这个位

for row in data:
    counter[row[0]] += 1

扫描输入，并计算第一个字段中的值在文件中出现的次数。最后，代码仅输出第一个值至少出现 4 次的那些行。改用collections.Counter 可以缩短这一切，但我不知道十年前是否在标准库中。

Answer 2

不确定原始代码中发生了什么，但我认为它会读取输入并创建数据行字典并为每一行分配一个计数器。因此，如果有两条相同的数据线顺便说一句，这将无法正常工作。然后它使用这个字典来确定前 4 行，以便在写入输出时跳过它们（这不是字典的好用法恕我直言）。

if counter[row[0]] >= 4:

主要是这是 11 年前的旧答案。那时用于处理 csv 文件的 Python 库（如 pandas）并不常用。现在做这样的事情更容易了。

import pandas as pd

# semicolon separated and comma decimals, skip first 4 rows
df_in = pd.read_csv("oldfile.csv", delimiter=";", decimal=",", skiprows=(0,1,2,3))

# comma separated and point decimals
df_in.to_csv("newfile.csv", sep=",", decimal=".")