使用python在csv中計數重複的行

Question

我想這對於一個體面的Python開發者來說很簡單 - 我仍然在學習！考慮到與重複的電子郵件爲csv我想遍歷並寫出重複的電子郵件的數量，例如：

infile.csv

COLUMN 0 
some@email.com 
some@email.com 
another@address.com 
example@email.com 

outfile.csv

COLUMN 0     COLUMN 1 
some@email.com   2 
another@address.com  1 
example@email.com  1 

所以遠我可以刪除重複與

import csv 

f = csv.reader(open('infile.csv','rb')) 
writer = csv.writer(open('outfile.csv','wb')) 
emails = set() 


for row in f: 
    if row[0] not in emails: 
     writer.writerow(row) 
     emails.add(row[0]) 

但我無法將計數寫入新列。

Answer 1

使用defaultdict這是在python2.6的

from collections import defaultdict 

# count all the emails before we write anything out 
emails = defaultdict(int) 
for row in f: 
    emails[row[0]] += 1 

# now write the file 
for row in email.items(): 
    writer.writerow(row) 

Answer 2

試試counter。它是專爲這種用途：

from collections import Counter 

emails=Counter() 
for row in f: 
    emails+=Counter([row[0]]) 

打印：

Counter({'some@email.com': 2, 'another@address.com': 1, 'example@email.com': 1, 'COLUMN 0': 1}) 

這是很容易從櫃檯得到任何其他數據結構：

print set(emails.elements()) 
# set(['another@address.com', 'COLUMN 0', 'example@email.com', 'some@email.com']) 

請注意，我沒有跳過頭或寫出csv - 這很容易做到。

Answer 3

對於Python 2.6，你可以嘗試像一個鴿巢排序： http://en.m.wikipedia.org/wiki/Pigeonhole_sort

它實際上有點這個確切的這類問題作出。

對於實際的設置，使用字典來保存數據，然後迭代它，而不是試圖將信息寫出去。