從文本文件中提取信息並將其轉換為字典

Question

Python 的新手，對不起，如果這太簡單了，我通常使用 R 但想試試這個。 我正在嘗試將帶有學生編號、課程 ID（總共 7 門課程）和評分的 csv 文件轉換為字典。 它與其他問題不同，因為 csv 文件中的密鑰不是唯一值，它是根據學生評估的課程數量隨機復制的。 示例數據如下所示：

participant_id;course_id;rating
103;4;2
104;5;3.5
104;7;2.5
108;3;3.5
108;5;2
114;2;4.5
114;5;3.5
114;7;4.5
116;1;2
116;2;3
116;3;3
116;4;4
126;5;3
129;1;4
129;5;3.5
135;1;4.5

所以最佳結果應該是這樣的，學生人數將是鍵，值將是一個列表，其中 course_id 作為列表的索引，而 rating 作為值。 rest 只是不適用。

{'103': ['NA', 'NA', 'NA', 2.0, 'NA', 'NA', 'NA'],
 '104': ['NA', 'NA', 'NA', 'NA', 3.5, 'NA', 2.5],
 '108': ['NA', 'NA', '3.5, 'NA',2.0', 'NA', 'NA'],
 '114': ['NA', 4.5, 'NA', 'NA', 3.5, 'NA', '4.5],
 '116': [2.0, 3.0, 3.0, 4.0, 'NA', 'NA', 'NA'],
 '126': ['NA', 'NA', 'NA', 'NA', 3.0, 'NA', 'NA'],
 '129': [4.0, 'NA', 'NA', 'NA', '3.5, 'NA', 'NA'],
 '135': [4.5, 'NA', 'NA', 'NA', 'NA', 'NA', 'NA']}

我嘗試使用 set() 提取學生編號，現在我擁有每個學生編號的唯一值，我所能做的就是用正確的鍵制作一個列表，但所有課程評分都是 NA，因為我不知道如何以分組提取 course_id 和 rating 並將它們放入列表中。 到目前為止，這是我的代碼：

def ratings(filename):
    with open(filename) as fp: 
        buffer = fp.readlines()
        stu_id = []
        dic = {}

        for i in (buffer):
            stu_id.append(i.split(';')[0])
            stu_id_set = list(set(stu_id))
            for j in stu_id_set:
                dic[j] = ['NA','NA','NA','NA','NA','NA','NA']
    return dic

Answer 1

我們可以這樣做：

def ratings(filename):
    d = {}
    max_col = 0                                     # Number of columns needed. Maximum course_id.
    idx_col_val_list = []

    with open(filename) as fp:
        fp.readline()                               # Ignore "participant_id;course_id;rating"

        for line in fp.readlines():
            line = line.strip()
            idx, col, val = line.split(';')
            col = int(col)
            val = float(val)

            max_col = max(max_col, col)
            idx_col_val_list.append((idx, col, val))

    for idx, col, val in idx_col_val_list:
        if idx not in d:
            d[idx] = ['NA'] * max_col
        d[idx][col - 1] = val

    return d


ans = ratings('input.txt')

assert ans == {
    '103': ['NA', 'NA', 'NA', 2.0, 'NA', 'NA', 'NA'],
    '104': ['NA', 'NA', 'NA', 'NA', 3.5, 'NA', 2.5],
    '108': ['NA', 'NA', 3.5, 'NA',2.0, 'NA', 'NA'],
    '114': ['NA', 4.5, 'NA', 'NA', 3.5, 'NA', 4.5],
    '116': [2.0, 3.0, 3.0, 4.0, 'NA', 'NA', 'NA'],
    '126': ['NA', 'NA', 'NA', 'NA', 3.0, 'NA', 'NA'],
    '129': [4.0, 'NA', 'NA', 'NA', 3.5, 'NA', 'NA'],
    '135': [4.5, 'NA', 'NA', 'NA', 'NA', 'NA', 'NA'],
}

Answer 2

這是使用pandas和字典的緊湊方法：

import pandas as pd

df = pd.read_csv('your_csv_file.csv')

# build a list of dictionaries
# each element will lool like {'participant_id':104, 'course_id':4, 'rating':2}
records = df.to_dict(orient='records')

# initialize the final dictionary
# assign a 7-element list to each participant, filled with zeros
performance = {i['participant_id']:7*[0] for i in records}

# populate the final dictionary
for r in records:
    performance[r['participant_id']][r['course_id']] = r['rating']