如何按第二列中的第一个数字将文件拆分为更小

Question

所以我的数据看起来像：

1 3456542  5 may 2014
2 1245678  4 may 2014
3 4256876  2 may 2014
4 5643156  6 may 2014
.....    

目标是按第 2 列对其进行排序，然后根据第 2 列中的第一个数字分隔行（即 3456542 进入 subs_3.txt，1245678 进入 subs_1.txt...）。输出完全错误，给了我 6 个文件，其中似乎是随机行。有什么建议吗？

import csv
from operator import itemgetter

file_lines = []
with open("subs.txt", "r") as csv_file:
    reader = csv.reader(csv_file, delimiter=" ")
    for row in reader:
        file_lines.append(row)

file_lines.sort(key=itemgetter(1))

with open("sorted_subs.txt", "w") as csv_file:
    writer = csv.writer(csv_file, delimiter=" ")
    for row in file_lines:
        writer.writerow(row)

for row in file_lines:
    file_num = row[1[1]
    with open("file_{0}.txt".format(file_num), "w") as f:
        writer = csv.writer(f, delimiter=" ")
        writer.writerow(row)

Answer 1

您可以使用itertools.groupby 将进入同一文件的行组合在一起，然后循环遍历这些组以写入文件：

from itertools import groupby

for k, g in groupby(file_lines, key=lambda x: x[1][0]):
    with open("file_{0}.txt".format(k), "w") as f:
        csv.writer(f, delimiter=" ").writerows(g)

更新：groupby 将根据第二列中的第一个数字对行进行分组。它将返回用于分组的键和包含分组项的迭代器。由于file_lines 已经排序，我们知道属于同一组的所有项目将在一个组内返回。这是一个简短的示例，它是如何工作的，请注意测试数据与原始问题中的不同，以便演示分组：

from itertools import groupby

lst = [
    ['2', '1245678', '', '4', 'may', '2014'], 
    ['1', '3456542', '', '5', 'may', '2014'], 
    ['3', '3256876', '', '2', 'may', '2014'], 
    ['4', '5643156', '', '6', 'may', '2014']
]

for k, g in groupby(lst, key=lambda x: x[1][0]):
    print('key: {0}, items: {1}'.format(k, list(g)))

输出：

key: 1, items: [['2', '1245678', '', '4', 'may', '2014']]
key: 3, items: [['1', '3456542', '', '5', 'may', '2014'], ['3', '3256876', '', '2', 'may', '2014']]
key: 5, items: [['4', '5643156', '', '6', 'may', '2014']]