在數據分析過程中，CSV（Comma-Separated Values）文件是一種常見的數據存儲格式。Python 提供了許多處理CSV文件的工具，其中字典（dictionary）是一個非常高效的數據結構，可以用來統(tǒng)計和處理CSV數據。本文將詳細介紹如何使用Python字典統(tǒng)計CSV數據，并通過多個實例來說明其應用場景。

一、準備工作

在開始之前，我們需要安裝和導入必要的庫。這里我們使用Python內置的csv模塊來讀取CSV文件，同時使用collections模塊中的defaultdict來方便地統(tǒng)計數據。

import csv
from collections import defaultdict

二、讀取CSV文件

首先，讓我們看看如何讀取一個CSV文件。假設我們有一個名為data.csv的文件，內容如下：

name,age,city
Alice,30,New York
Bob,25,Los Angeles
Alice,32,New York
David,25,Chicago

我們可以使用以下代碼來讀取文件：

filename = 'data.csv'

with open(filename, mode='r', newline='') as file:
    reader = csv.DictReader(file)
    data = [row for row in reader]

print(data)

運行上述代碼會輸出：

[{'name': 'Alice', 'age': '30', 'city': 'New York'},
 {'name': 'Bob', 'age': '25', 'city': 'Los Angeles'},
 {'name': 'Alice', 'age': '32', 'city': 'New York'},
 {'name': 'David', 'age': '25', 'city': 'Chicago'}]

三、使用字典統(tǒng)計數據

統(tǒng)計每個城市的人員數量

我們可以使用字典來統(tǒng)計每個城市的人員數量：

city_count = defaultdict(int)

for row in data:
    city = row['city']
    city_count[city] += 1

print(dict(city_count))

運行結果：

{'New York': 2, 'Los Angeles': 1, 'Chicago': 1}

統(tǒng)計每個名字出現的次數

類似地，我們可以統(tǒng)計每個名字出現的次數：

name_count = defaultdict(int)

for row in data:
    name = row['name']
    name_count[name] += 1

print(dict(name_count))

運行結果：

{'Alice': 2, 'Bob': 1, 'David': 1}

統(tǒng)計每個城市的平均年齡

我們還可以統(tǒng)計每個城市的平均年齡。這需要兩個步驟：首先統(tǒng)計每個城市的總年齡和人數，然后計算平均年齡。

city_age_sum = defaultdict(int)
city_count = defaultdict(int)

for row in data:
    city = row['city']
    age = int(row['age'])
    city_age_sum[city] += age
    city_count[city] += 1

city_avg_age = {city: city_age_sum[city] / city_count[city] for city in city_age_sum}

print(city_avg_age)

運行結果：

{'New York': 31.0, 'Los Angeles': 25.0, 'Chicago': 25.0}

四、多場景應用

除了上述基礎統(tǒng)計，字典還可以用于更復雜的數據處理場景。下面是幾個應用實例：

統(tǒng)計每個名字在每個城市的出現次數

name_city_count = defaultdict(lambda: defaultdict(int))

for row in data:
    name = row['name']
    city = row['city']
    name_city_count[name][city] += 1

print({name: dict(city_count) for name, city_count in name_city_count.items()})

運行結果：

{'Alice': {'New York': 2},
 'Bob': {'Los Angeles': 1},
 'David': {'Chicago': 1}}

統(tǒng)計每個年齡段的人數

假設我們要統(tǒng)計20-29歲、30-39歲等年齡段的人數：

age_group_count = defaultdict(int)

for row in data:
    age = int(row['age'])
    if 20 <= age < 30:
        age_group = '20-29'
    elif 30 <= age < 40:
        age_group = '30-39'
    # 其他年齡段可以繼續(xù)添加
    else:
        age_group = 'Other'
    
    age_group_count[age_group] += 1

print(dict(age_group_count))

運行結果：

{'30-39': 2, '20-29': 2}

五、總結

本文介紹了如何使用Python字典統(tǒng)計CSV數據，并通過多個實例展示了其在不同場景下的應用。字典作為一種靈活高效的數據結構，可以極大地簡化數據統(tǒng)計和處理的過程。希望這些示例能夠幫助你更好地理解和應用Python字典來處理實際數據分析任務。

到此這篇關于Python用字典統(tǒng)計CSV數據的實現示例的文章就介紹到這了,更多相關Python 字典統(tǒng)計CSV內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論