我使用此代码来打印非数字单元格的出现次数。然而,这个数字却翻倍了。它打印 6 for 3。
样本数据:
pID,sID,dID,nID,ID
ABCD-02-01,ABCD-02-01-0002-UNK,2,123,ABCD
ABCD-02-01,ABCD-02-01-0004-UNK,3,1234,ABCD
ABCD-02-01,ABCD-02-01-0007-UNK,7,3455,ABCD
代码:
#!/usr/bin/env python
from collections import Counter, defaultdict
import csv
header_counter = defaultdict(Counter)
with open('trial.csv') as input_file:
r = csv.reader(input_file, delimiter=',')
headers = next(r)
for row in r:
row_val = sum([w.isdigit() for w in row])
for header, val in zip(headers, row):
if not any(map(str.isdigit, val)):
header_counter[header].update({val: row_val})
for k, v in header_counter.iteritems():
print k,v
电流输出
ID Counter({'ABCD': 6})
期望的输出ID Counter({'ABCD': 3})
所以:
11
sum([w.isdigit() for w in row])
返回每行中数字的列数,在您的情况下为两列,cols
dID
ans nID
是数字。
因此,对于触发此操作的所有行,
row_val
都是整数 2。
14
header_counter[header].update({val: row_val})
每次都添加
row_val
(2)。
我希望您的问题在于如何对计数器使用 update ,因为 update() 会添加计数,而不是像您期望的那样从传统字典中替换它。请参阅:https://docs.python.org/2/library/collections.html#collections.Counter
输出
ID Counter({'ABCD': 6})
对于给定的输入数据和逻辑是正确的。
您正在对每个“ID”的所有数字字段求和并报告计数。
ID 为“ABCD”的行总共有 6 个数字字段,即:
ABCD-02-01,ABCD-02-01-0002-UNK,2,123,ABCD
ABCD-02-01,ABCD-02-01-0004-UNK,3,1234,ABCD
ABCD-02-01,ABCD-02-01-0007-UNK,7,3455,ABCD
如果您解释一下您的预期结果是什么,我会更新我的答案。