如何在不调用数据框的情况下在python中求和

Question

我有输出到csv文件中的数据，例如：

url  date          id    hits
a    2017-01-01    123     2
a    2017-01-01    123     2
b    2017-01-01    45      25
c    2017-01-01    123     5
d    2017-01-03    678     1
d    2017-01-03    678     7     

依此类推，点击数是ID值在每个网址的给定日期出现的次数。 （即：ID号123在网址“ a”上于2017年1月1日出现2次。

我需要在命中后创建另一列，称为“总命中”，以捕获给定url，日期和id值每天的总命中数。 所以输出看起来像这样。

url  date          id    hits   total_hits
a    2017-01-01    123     2         4
a    2017-01-01    123     2         4
b    2017-01-01    45      25        25
c    2017-01-01    123     5         5
d    2017-01-03    678     1         8
d    2017-01-03    678     7         8  

如果有解决方案而不使用pandas或numpy，那将是惊人的。

请帮忙！ 提前致谢。

Answer 1

使用标准python安装简单。

• 使用逐行读取和拆分来读取和解析文件
• 创建一个collections.defaultdict(int)来计算url / date / id三元组的出现
• 在额外的栏中添加信息
• 写回（我选择了csv）

像这样：

import collections,csv

d = collections.defaultdict(int)

rows = []

with open("input.csv") as f:
    title = next(f).split()  # skip title
    for line in f:
        toks = line.split()
        d[toks[0],toks[1],toks[2]] += int(toks[3])
        rows.append(toks)

# complete data
for row in rows:
    row.append(d[row[0],row[1],row[2]])
title.append("total_hits")


with open("out.csv","w",newline="") as f:
    cw = csv.writer(f)
    cw.writerow(title)
    cw.writerows(rows)

这是输出文件：

url,date,id,hits,total_hits
a,2017-01-01,123,2,4
a,2017-01-01,123,2,4
b,2017-01-01,45,25,25
c,2017-01-01,123,5,5
d,2017-01-03,678,1,8
d,2017-01-03,678,7,8