Python分析csv文件

这实际上是一个非常好的迹象，你已经认识到必须有一个更简单的方法！每当你发现自己违反DRY原则（不要重复自己）时，你应该问你是否犯了一个失误。

虽然你可以通过使用词典字典而不是所有那些命名变量来删除大量的复制，但是因为你正在使用熊猫，我会利用

groupby

和

nlargest

相反，这给了我：

    
      In [47]: dg = df.groupby([“AAR”, “BYDEL”], as_index=False)[“PERSONER”].sum()
In [48]: dg[dg.AAR == 1992].nlargest(3, “PERSONER”)
Out[48]:
    AAR  BYDEL  PERSONER
2  1992      3     67251
1  1992      2     62221
3  1992      4     47854
</code>
  

    
      n [51]: dg.head(15)
Out[51]:
     AAR  BYDEL  PERSONER
0   1992      1     40595
1   1992      2     62221
2   1992      3     67251
3   1992      4     47854
4   1992      5     43688
5   1992      6     34303
6   1992      7     36746
7   1992      8     41668
8   1992      9     45305
9   1992     10     42748
10  1992     99      2187
11  1993      1     40925
12  1993      2     62583
13  1993      3     67783
14  1993      4     47589
</code>
  

更加pythonic的解决方案将使用字典而不是许多（大多数）命名变量。你也在使用

setdefault

同

defaultdict

实例 - 任何一个都是一个不错的选择，但使用两者都是不必要的。

我的替代版本（不使用熊猫，因为@DSM很好地覆盖了）：

    
      df = pd.read_csv(‘befkbh.csv’,quotechar=’”‘,skipinitialspace=True, delimiter=’,’, encoding=’latin1’).fillna(0)
data = df.as_matrix()
areas = { k : collections.defaultdict(list) for k in range(1,11) }
areas[99] = collections.defaultdict(list)
for row in data:
    key = row[0]
    if key == 1992 and row[1] in areas:
       areas[row[1]][key].append(0 if(row[5]) ==””  else float(row[5]))
for area in sorted(areas):
    for k, v in areas[area].items():
        print (“{}:{}”.format(k, sum(v)))
</code>
  

    
      years = collections.defaultdict(lambda : collections.defaultdict(list))
for row in data:
    years[row[0]][row[1]].append(0 if(row[5]) ==””  else float(row[5]))
for year in sorted(years):
    for n, area in sorted((sum(v), k) for k, v in years[year].items())[-1]:
        print (“{} {:4} {:9}”.format(year, area, n))
</code>