Skip to main content
 首页 » 编程设计

Python 在 CSV 中搜索一列中的字符串,返回同一行中另一列中的字符串

2024年10月25日23Renyi-Fan

我正在尝试用 Python 编写一个程序,为列表中的每个字符串搜索约 27,000 行。我要搜索的每个字符串都在一列中,并且在另一列中有一个“id”值,如果找到我想打印出来。我目前拥有的代码计算该字符串在文档中出现的次数,但我仍然无法找到一种方法来为找到字符串的每个唯一行返回特定值。

import csv 
fin = open('data.csv') 
words = ["happy","sad","good","bad","sunny","rainy"] 
found = {} 
count = 0 
for line in fin: 
    for word in words: 
        if word in line: 
            count = count + 1 
    found[word] = count 
print(found) 

上面代码的主要语义问题是打印“found”字典只产生结果之一及其在“words”列表中的计数。

请您参考如下方法:

对于这样的事情,我认为使用 pandas 库可以让您保持理智。假设一个 15,000 行的 CSV 文件有两列,String 和 ID。

In [1]: import pandas as pd 
 
In [2]: words = ['happy','sad','good','bad','sunny','rainy'] 
 
In [3]: df = pd.read_csv('data.csv') 
 
In [4]: df.head(5) 
Out[4]:  
  Strings  ID 
0   happy   1 
1     sad   2 
2   happy   3 
3     sad   4 
4    good   5 
 
In [5]: for word in words: 
   ...:     print '{} : {}'.format(word, df['Strings'].str.lower().str.contains(word).sum()) 
   ...:      
happy : 2501 
sad : 2500 
good : 2500 
bad : 2500 
sunny : 2499 
rainy : 2500 

或者,您可以只创建一个数据透视表,它会得到类似的结果。

In [30]: df_pt = df.pivot_table(index='Strings',values='ID',aggfunc=len) 
 
In [31]: df_pt 
Out[31]:  
Strings 
bad        2500 
good       2500 
happy      2501 
rainy      2500 
sad        2500 
sunny      2499 
Name: ID, dtype: int64 

如果您需要获取每个单词的 ID,只需简单地选择/索引/过滤数据即可:

In [6]: df_happy = df[df['Strings'] == 'happy'] 
 
In [7]: df_happy.head(5) 
Out[7]:  
   Strings  ID 
0    happy   1 
2    happy   3 
12   happy  13 
14   happy  15 
18   happy  19 

如果你需要它作为一个列表,那么:

In [8]: list_happy = df_happy['ID'].tolist() 
 
In [9]: list_happy[:5] 
Out[9]: [1, 3, 13, 15, 19] 

显然,我截断了一些部分,但思路保持不变。