使用 Python 获取每个 CSV 列中的字符串计数

Question

我有这样一个 CSV 文件：

Header1,Header2,Header3,Header4
AA,12,ABCS,A1
BDDV,34,ABCS,BB2
ABCS,5666,gf,KK0

其中一列只能有 letters/words，或者只有数字，或者两者都有。我有多个这样的文件，每个文件中的列不一定相同。我想获取一列中每个元素的计数，该列中只有字母而没有数字。

我想要的输出是

Header1- [('AA', 1),('BDDV',1),('ABCS',1)] Header3- [('ABCS', 2),('gf', 1)]

在这里，虽然两列都有 'ABCS'，但我想为每一列分别计算它们。

我可以通过硬编码列号来获取计数，如下所示：

import csv
import collections

count_number = collections.Counter()
with open('filename.csv') as input_file:
    r = csv.reader(input_file, delimiter=',')
    headers = next(r)
    for row in r:
        count_number[row[1]] += 1

print count_number.most_common()

但我对如何针对列进行操作感到困惑。

Answer 1

这可以使用 Counter 每个 header:

#!/usr/bin/env python
from collections import Counter, defaultdict
import csv

header_counter = defaultdict(Counter)

with open('filename.csv') as input_file:
    r = csv.reader(input_file, delimiter=',')
    # read headers
    headers = next(r)
    for row in r:
        # count values for each row to add in header context
        row_val = sum([w.isdigit() for w in row])
        # zip each row with headers to know where to count
        for header, val in zip(headers, row):
            # count only non-digits
            if not any(map(str.isdigit, val)):
                header_counter[header].update({val: row_val})

for k, v in header_counter.iteritems():
    print k, v

输出：

Header3 Counter({'ABCS': 2, 'gf': 1})
Header1 Counter({'AA': 1, 'BDDV': 1, 'ABCS': 1})

Answer 2

仅部分解决方案（您仍然需要在 CSV 的第二次迭代中过滤带有数字的列 reader）。

import csv
import collections

with open('filename.csv') as input_file:
  r = csv.reader(input_file, delimiter=',')
  headers = next(r)
  count_number = [collections.Counter() for I in Len(headers)]

  for row in r:
    for i, val in enumerate(row):
      count_number[i][val] += 1

print [cr.most_common() for cr in count_number]

使用 Python 获取每个 CSV 列中的字符串计数

Get counts of strings in each CSV column using Python

python

csv

counter