使用python根據csv中的列進行分組

Question

我有一個包含三列的 csv 文件，主題，謂詞，對象我想根據主題列值對數據進行分組，並將其余數據添加為 python 中主題（字典）的附加列表。

per_subject = defaultdict(list)
with open("C:\\Rasha\\Nema\CODES\\DataSets\\geocoordinates-fixed.csv",  mode='r') as inputfile:
    reader = csv.reader(inputfile)
    next(reader, None)  # skip the header row
    for subject, predicate, object in reader:
        per_subject[subject.strip()].append([predicate.strip()])

python的編譯器給出以下錯誤：

文件“C:/Users/HP_Ra/PycharmProjects/ReadCSV/readCSV.py”，第 10 行，在閱讀器中的主語、謂詞、賓語中：ValueError：太多值無法解包（預期為 3）

Answer 1

Pandas非常適合此任務，因為它可以為您讀取 csv 並帶有groupby功能：

import pandas as pd
from pathlib import Path

input_file = Path("C:/Rasha/Nema/CODES/DataSets/geocoordinates-fixed.csv")
df = pd.read_csv(input_file)
# if the headers aren't right then:
# df.columns = ['subject', 'predicate', 'object']
df_per_subject = df.groupby('subject')['predicate'].agg(lambda x: list(x))
# And if you want a dict out
df_per_subject.to_dict()

請注意，如果這將是生產代碼，pandas 是一個相當重的庫，可以用於此目的。 但是，如果您正在尋找臨時問題的快速解決方案，我個人認為值得花些時間。

Answer 2

您的數據格式有些不規則，一行或多行有 3 個以上的值。 最簡單的下一步是不是將值讀入 3 元組，而只是讀入列表，然后將列表解壓縮（如果大小合適），否則將其打印出來以進行后續故障排除：

for row_num, row_list in enumerate(reader, start=1):
    if len(row_list) == 3:
        subject, predicate, obj = row_list
        per_subject[subject.strip()].append(predicate.strip())
    else:
        print("unexpected row size at row", row_num, ":", row_list)