操縱TSV文件

Question

我有文本數據的.tsv文件，鏈接在這裏： world bank data

我需要的日期將數據讀入的數據結構（任何數據結構），只保留行「7/1/2000「或7/1/2010」，並且只保留原始19列中的7個，我對編程非常陌生，但我認爲這是一個相當簡單的任務，我在這裏有不完整的代碼：

import math 
import csv 
import re 


fhand=open("world_bank_indicators.txt", "rU") 
reader=csv.reader(fhand, dialect="excel", delimiter="\t",skipinitialspace=True) 

data=dict() 
mylist=list() 

#doesn't print headers, however 
for row in reader: 
    if row[1]=="7/1/2000" or row[1]=="7/1/2010": 
     print row[0], row[1], row[9], row[4], row[6], row[5], row[19] 

更新，版本使用dictreader：

import math 
import csv 
import re 

fhand=open("world_bank_indicators.txt", "rU") 
reader=csv.reader(fhand, dialect="excel", delimiter="\t", lineterminator="\n") 

reader=csv.DictReader(fhand, delimiter="\t") 
myset=set() 
mydict=dict() 
mylist=list() 

for row in reader: 
    mydict["Date"]=row["Date"] 

print mydict 

然而，這似乎只寫一個條目{日期：7/1/2010}我的字典

所以，我明顯的問題是：

1）這並打印的行和列我想要的數據，但是，它不打印每列的標題2）顯然，沒有任何數據結構添加到任何數據結構中，以便我用數據執行任何計算

什麼（痛苦明顯，我確定）我在這裏想念的東西？我怎樣才能完成這兩個簡單的任務？

Answer 1

首先，要打印標題，您只需要打印第一行的列，與所有行的列相同。例如：

headers = next(reader) 
print row[0], row[1], row[9], row[4], row[6], row[5], row[19] 

for row in reader: 
    if row[1]=="7/1/2000" or row[1]=="7/1/2010": 
     print row[0], row[1], row[9], row[4], row[6], row[5], row[19] 

然而，這實際上並不生成TSV;你只是將一列空間分開。另外，當然，你只需要將它們寫入標準輸出，而不是將它們寫入文件。最簡單的解決方法是使用一個csv.writer您使用的csv.reader以同樣的方式：

writer=csv.writer(outfile, dialect="excel", delimiter="\t",skipinitialspace=True) 
# … 
writer.writerow(row[0], row[1], row[9], row[4], row[6], row[5], row[19]) 

爲了使這一點更清潔，並避免重複該列清單兩次，你可能需要使用operator.itemgetter，像這樣：

columns = 0, 1, 9, 4, 6, 5, 19 
getter = operator.itemgetter(*columns) 
# ... 
writer.writerow(getter(row)) 

如果你想存儲的值，而不是把它們寫出來，只是將它們傳遞到一個list對象的append方法，而不是csv.writer對象的writerow方法。 （你可能也想保持headers左右爲好。）

headers = getter(next(reader)) 

data = [] 
for row in reader: 
    if row[1]=="7/1/2000" or row[1]=="7/1/2010": 
     data.append(getter(row)) 

可以使這個更簡潔與理解：

data = [getter(row) for row in reader if row[1]=="7/1/2000" or row[1]=="7/1/2010"] 

---

如果你想使用一個DictReader相反，你將不再通過索引獲得列，您將通過名稱得到它們。此外，DictReader會自動消耗標題行，以找出這些名稱。這是一個簡單的例子。想象一下，這是你的數據：

name,email,rank 
Joe,joe@example.com,7 
Jim,jim@example.com,12 
Jen,jane@example.com,2 

而且，假設我們只是想要前10名的人的電子郵件。所以，在這裏它與reader：

reader = csv.reader(f) 
headers = next(reader) 
data = [row[1] for row in reader if int(row[2]) < 10] 

這裏，它是DictReader：

reader = csv.DictReader(f) 
data = [row['email'] for row in reader if int(row['rank']) < 10] 

它可能不是很簡明，但它可能是更具可讀性。