python csv:获取sub

Question

以下是我的csv快照：

alex    123f    1
harry   fwef    2
alex    sef 3
alex    gsdf    4
alex    wf35    6
harry   sdfsdf  3

我想得到这个数据的子集，其中第一列（harry，alex）中发生的任何事件至少是4。因此，我希望得到的数据集是：

^{pr2}$

Answer 1

如果Python不是必须的

$ gawk '{b[$1]++;c[++d,$1]=$0}END{for(i in b){if(b[i]>=4){for(j=1;j<=d;j++){print c[j,i]}}}}' file

是的，70MB的文件没问题。在

Answer 2

显然，在您看到所有行之前，您无法确定哪些行是有趣的（因为最后一行可能是将某个计数从3转到4，从而使一些先前看到的行变得有趣的行，例如；-）。所以，除非你的CSV文件太大了，否则先把它全部放入内存中，作为一个列表…：

import csv

with open('thefile.csv', 'rb') as f:
  data = list(csv.reader(f))

那么，计算Python2.7有更好的方法，但是假设您仍然像我们大多数人一样使用2.6版本…：

^{pr2}$

最后进行选择循环…：

for row in data:
    if counter[row[0]] >= 4:
        print row

当然，这会将每一个有趣的行打印成一个粗略的列表（在条目周围加上方括号和引号），但是可以很容易地以您喜欢的任何方式格式化它。在