[英]Skip the first column when reading a csv file Python
我正在嘗試讀取一個csv文件並從中提取所需的數據。 我的代碼如下所示。
import csv
file = "sample.csv"
def get_values_flexibly(file, keyword):
def process(func):
return set([func(cell)] + [func(row[index]) for row in reader])
with open(file, 'r') as f:
reader = csv.reader(f)
first_row = reader.next()
if keyword in first_row:
return str(list(set([row[first_row.index(keyword)] for row in reader])))
for index, cell in enumerate(reader.next()):
if cell.endswith(' ' + keyword):
return str(list(set(process(lambda cell: cell[:-len(keyword) - 1]))))
elif cell.split(':')[0].strip() == keyword:
return str(list(set(process(lambda cell: cell.split(':')[1].strip()))))
print get_values_flexibly(file, 'data')
其中sample.csv如下所示
sample.csv
h1,h2,h3
a data,data: abc,tr
b data,vf data, gh
k data,grt data, ph
我想從輸出中排除第一列。 我當前的輸出是['a','k','b']
但我希望它改為['abc', 'vf', 'grt']
。 如何使用csv閱讀器實現此目的?
編輯-我有多個文件。 每個文件可以具有不同的標題,並且列數也有所不同。 我想要一個適用於所有文件的腳本。 同樣,第一列的標題始終相同,例如“ sample_column”。 我想從標題為“ sample_column”的列中跳過數據。
您可以使用字典閱讀器:
data = {'h1':[], 'h2':[], 'h3':[]}
h = ['h1', 'h2', 'h3']
csvfile = open(dir)
reader = DictReader(csvfile)
for line in reader:
data['h1'].append(line[h[0]][2:])
data['h2'].append(line[h[1]][2:]) # Use indexing to get the bits you want
data['h3'].append(line[h[2]])
好的,因此可以使用正則表達式(實際上不是問題的范圍,但是……)刪除data
(或關鍵字是哪個關鍵字)。
關於正則表達式:
假設您的關鍵字是data
,對嗎? 您可以使用以下命令:( (?:data)*\\W*(?P<juicy_data>\\w+)\\W*(?:data)*
如果您使用的是其他關鍵字,則只需在該常規字符串中更改兩個data
字符串keyword
包含的任何其他值的表達式...
您可以在www.pythonregex.com或www.debuggex.com上在線測試正則表達式
正則表達式基本上是在說:尋找零個或多個data
字符串,但是(如果找到的話)對它們不做任何事情。 不要將它們添加到匹配的組列表中,不要顯示它們……什么也不要,只要匹配它們,然后將其丟棄即可。 之后,尋找零個或多個非單詞字符(不是字母或數字的任何字符……以防萬一有data
:或\\W
后面的空格,或data-->
...被\\W
刪除data
之后的所有非字母數字字符)然后您進入juicy_data
這是可以在“常規”字詞中找到的一個或多個字符(任何字母數字字符)。 然后,以防萬一背后有data
,請執行與第一個data
組相同的操作。 只需將其匹配並刪除即可。
現在,刪除第一列:您可以使用csv.reader本身就是迭代器的事實。 當您對其進行迭代時(如下面的代碼所示),它將為您提供一個包含在一行中找到的所有列的列表。 它為您提供了所有行的list
這一事實對於您的情況非常有用:您只需要收集所述row
的第一項,因為這是您關心的列(不需要row[0]
,也不需要row[1:]
)
所以就這樣:
import csv
import re
def get_values_flexibly(csv_path, keyword):
def process(func):
return set([func(cell)] + [func(row[index]) for row in reader])
# Start fo real!
kwd_remover = re.compile(
r'(?:{kw})*\W*(?P<juicy_data>\w+)\W*(?:{kw})*'.format(kw=keyword)
)
result = []
with open(csv_path, 'r') as f:
reader = csv.reader(f)
first_row = [kwd_remover.findall(cell)[0] for cell in reader.next()]
print "Cleaned first_row: %s" % first_row
for index, row in enumerate(reader):
print "Before cleaning: %s" % row
cleaned_row = [kwd_remover.findall(cell)[0] for cell in row]
result.append(cleaned_row[1])
print "After cleaning: %s" % cleaned_row
return result
print "Result: %s" % get_values_flexibly("sample.csv", 'data')
輸出:
Cleaned first_row: ['h1', 'h2', 'h3']
Before cleaning: ['a data', 'data: abc', 'tr']
After cleaning: ['a', 'abc', 'tr']
Before cleaning: ['b data', 'vf data', ' gh']
After cleaning: ['b', 'vf', 'gh']
Before cleaning: ['k data', 'grt data', ' ph']
After cleaning: ['k', 'grt', 'ph']
Result: ['abc', 'vf', 'grt']
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.