我在CSV文件中有一个数据集。下面是一个示例:
Time,Location,Companyid,Metrics,Amount
2012Q1,AK_995,A,Sales,8820156.363
2012Q1,AK_995,B,Revenue,28392730.51
2012Q1,AK_995,C,Sales,6980332.166
2012Q1,AK_996,B,Revenue,1894254.13
2012Q1,AK_996,A,Sales,4664103.766
2012Q2,AK_995,C,Sales,7980332.166
这里的time
是年份和季度,location
是带有ID的状态符号,因此每个状态可以有多行,每个companyid
具有不同的ID。我想做的是,对于每个companyid
,我想为每个特定的time
添加一个特定状态的所有amount
。例如,在上面的示例中,companyid
1有两条记录time
2012Q1
-一条记录AK_995
,另一条记录AK_996
。我想在这两个值中加上amount,把AK作为location
,得到一个值为2012Q1,AK,1,13484260.129
的记录。对于所有状态,这应该在每个company
期间进行。注意,amounts
跨time
不应添加,因为上面的示例companyid
3
有2条记录,它们的状态相同,但时间段不同。另外,我只想在Metrics
是Sales
的地方这样做,所以我想删除Metrics
不是{
我还想将输出写入另一个csv文件。我该怎么做?在
更新部分:
根据@MichaelLaszlo的建议,我有这个代码。代码似乎有一个问题。在输出文件中,我希望将特定companyid
的所有记录放在一起。一个companyid
中记录的顺序应该是按time
的顺序递增(特定位置的记录为特定的companyid
聚集在一起)。例如,如果有一个companyid
B
,那么companyid
B
的所有记录都应该在一起,顺序如下:
如上所示,companyid
B
的所有记录都在一起,companyid
B
内,特定{time
的顺序排列在一起。在我当前的输出中,我得到了所有分散的companyids
的记录。我目前的代码是:
totals = {}
# Aggregate sales by quarter, state, and company.
for row in csv.reader(open('data.csv')):
if row[3] == 'Sales':
key = (row[0], row[1][:2], row[2])
totals[key] = totals.setdefault(key, 0) + float(row[4])
# Write aggregated data to file.
with open('aggregated.csv', 'w') as out_file:
writer = csv.writer(out_file)
for key, value in totals.items():
row = list(key) + [value]
writer.writerow(row)
我当前的示例输出是:
time,state,companyid,amount
2014Q4,AL_,B,547991592.5101689
2014Q1,NV_,B,387534045.40654004
2012Q3,SC_,A,333657617.05835015
2014Q4,DC_,C,54022786.60577
2014Q3,TN_,B,594121931.7221502
如您所见,companyid
B
的记录是分散的,我希望输出的顺序与我在更新部分中提到的顺序一致。在
我不知道你的数据集有多大,但你应该开始考虑使用熊猫。 您将受益于许多工具,如从csv到按列分组的数据帧创建。 最后你可以灵活地选择输出,而且速度非常快。在
编辑: 抱歉,我现在只有我的手机,但这里是如何从一个csv和生成一个数据帧:http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.from_csv.html 下面是groupby:http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.groupby.html 它看起来像:
然后,可以使用to_csv()函数从Dataframe导出数据。在
更新:现在,
^{pr2}$read_csv
方法优于from_csv
方法。下面是一个更新的示例:对于大数据来说,简单但不是最佳选择:
要聚合数据,请使用哈希。从要聚合的值的元组中生成键。在
要写入CSV文件,请在打开的文件对象上使用
^{pr2}$csv.writer()
。要生成行,请将每个哈希键转换为一个列表,并将其与总销售额连接起来。在我们可以将这两个操作组合成一个简短的脚本:
运行上面的脚本并检查结果文件
aggregated.csv
。在相关问题 更多 >
编程相关推荐