在csv文件中保留重複項目的最低價格

Question

我是Python新手，需要閱讀csv文件並保留重複項目的最低價格。 例子：

輸入文件：

name, link, price, category 
item1, http://example.com/item1, 29.30, cat1 
item2, http://example.com/item2, 22, cat2 
item1, http://example.com/item1, 19.90, cat1 

輸出文件：

name, link, price, category 
item2, http://example.com/item2, 22, cat2 
item1, http://example.com/item1, 19.90, cat1 

這裏是我到目前爲止的代碼：

f1 = csv.reader(open('input.csv', 'rb'), delimiter=',') 
    writer = csv.writer(open("output.csv", "wb")) 
    name = set() 
    for row in f1: 
     if row[0].lower() not in (i.lower() for i in name): 
      writer.writerow(row) 
      name.add(row[0]) 

我可以用這個代碼刪除重複的，但我需要幫助，以保持物品的最低價格。

謝謝！

Answer 1

可以使用dict.get與inf默認值，檢查是否存儲的值當前價格低於我們遇到然後相應地更新當前。最後寫作從dict.items返回的元組。如果需要，我們也可以使用集合保存文件順序。

import csv 
from collections import OrderedDict 

d = OrderedDict() # keep the order 

with open('in.csv', 'r') as f1, open("output.csv", "w") as out: 
    r = csv.reader(f1,delimiter=",") 
    header = next(r) # store header 
    writer = csv.writer(out,delimiter=",") 
    for row in r: 
     price = float(row[2]) 
     # first check price will be less than than inf so we will add the key/value 
     if d.get(row[2], float("inf")) > price: 
      d[row[0]] = row 
    writer.writerow(header) # write header 
    for tup in d.values(): # write updated items 
     writer.writerow(tup) 

輸出：

name, link, price, category 
item1, http://example.com/item1, 19.90, cat1 
item2, http://example.com/item2, 22, cat2 

如果次序是不相關使用defaultdict和分鐘：

import csv 
from collections import defaultdict 

d = defaultdict(list) # keep the order 
with open('in.csv', 'r') as f1, open("output.csv", "w") as out: 
    r = csv.reader(f1,delimiter=",") 
    header = next(r) # store header 
    writer = csv.writer(out,delimiter=",") 
    for row in r: 
     d[row[0]].append(row) 
    writer.writerow(header) # write header 
    for k,v in d.items(): # write updated items 
     writer.writerow(min(v,key=lambda x:float(x[2]))) 

Answer 2

您可以在以下由mu提供的解決方案中縮短使用dict.setdefault的for循環。 dict.setdefault如果密鑰不存在，則爲密鑰設置值，否則保持該值不變。它返回當前值是否更改爲保持不變。

for row in f1: a = names.setdefault(row[0],row[1]) if row[1]<a: names[row[0]] = row[1]

Answer 3

這是微不足道在大熊貓：

import pandas as pd 

df = pd.read_csv('in_csv') 
df.groupby('name').min() 

Answer 4

csv文件列：name, link, price, category

import itertools, operator 
data = list() 
new_data = list() 
name = operator.itemgetter(0) 
name_price = operator.itemgetter(0,2) 

將標題與數據分開。

with open('data.txt') as f: 
    header = f.next() 
    for line in f: 
     data.append(line.strip().split(',')) 

data是一個列表的列表 - [[name, link, price, category], ...]

上名

排序data第一和第二價格。

data.sort(key = name_price) 

使用itertools.groupby到GROUP BY名，從各組採取的第一項和格式化，然後將其保存到一個新的列表。

for key, group in itertools.groupby(data, name): 
    # the first item in the group has the lowest price 
    lowest_price = list(group)[0] 
    lowest_price = ','.join(lowest_price) + '\n' 
    new_data.append(lowest_price) 

將header和```new_data`寫入文件。

with open('new_data.txt', 'wb') as f: 
    f.write(header) 
    f.writelines(new_data) 

編輯爲了解更多字段。