使用python解析CSV文件（稍后生成决策树）

Question

首先，完全公开：这将是一个uni分配，所以我不想收到代码。:). 我更多的是寻找方法；我对python很陌生，读过一本书，但还没有写过任何代码。

整个任务是导入CSV文件的内容，从CSV文件的内容创建一个决策树（使用ID3 algorithm），然后解析第二个CSV文件以在树上运行。有一个很大的（可以理解的）偏好是让它能够处理不同的CSV文件（我问过我们是否允许硬编码列名，主要是为了排除这种可能性，而答案是否定的）。

CSV文件采用相当标准的格式；标题行用#标记，然后显示列名，之后的每一行都是一系列简单的值。示例：

# Column1, Column2, Column3, Column4
Value01, Value02, Value03, Value04
Value11, Value12, Value13, Value14

目前，我正在努力解决第一部分：解析CSV。为了为决策树做出决策，字典结构似乎是最符合逻辑的；所以我想按照以下思路做些事情：

Read in each line, character by character
If the character is not a comma or a space
    append character to temporary string
If the character is a comma
    Append the temporary string to a list
    Empty string
Once a line has been read
    Create a dictionary using the header row as the key (somehow!)
    Append that dictionary to a list

但是，如果我这样做，我不知道如何在键和值之间建立映射。我还想知道是否有办法对列表中的每一个字典执行一个操作，因为我需要做的事情是“每个人都返回第1列和第4列的值，这样我就可以计算出谁拥有什么！”-我认为有某种机制，但我不知道该怎么做。

字典是最好的方法吗？使用其他数据结构做事情会更好吗？如果是，怎么办？

Answer 1

简而言之：不要浪费时间和精力（1）重新实现内置的csv模块（2）读取csv模块的源代码（它是用C编写的）--只要使用它！

Answer 2

使用docs.python.org中的csv模块的示例：

import csv
reader = csv.reader(open("some.csv", "rb"))
for row in reader:
    print row

您只需将每一行保存到一个列表中，然后在ID3中处理它，而不需要对行进行print。

database.append(row)

Answer 3

Python内置了一些非常强大的语言构造。您可以从文件中读取行，如：

with open(name_of_file,"r") as file:
    for line in file:
         # process the line

可以使用string.split函数沿逗号分隔行，也可以使用string.strip来消除中间的空白。Python有非常强大的lists和dictionaries。

要创建一个列表，只需使用像[]这样的空括号，而要创建一个空字典，则使用{}：

mylist = []; # Creates an empty list
mydict = {}; # Creates an empty dictionary

您可以使用.append（）函数插入列表，而可以使用索引下标插入字典。例如，可以使用mylist.append(5)将5添加到列表中，而可以使用mydict[key]=value将键key与值value关联。要测试字典中是否存在密钥，可以使用in关键字。例如：

if key in mydict:
   print "Present"
else:
   print "Absent"

要遍历列表或字典的内容，只需使用for循环，如下所示：

for val in mylist:
    # do something with val

for key in mydict:
    # do something with key or with mydict[key]

由于在许多情况下，在遍历列表时必须同时具有值和索引，因此还有一个名为enumerate的内置函数，可以省去自己计算索引的麻烦：

for idx, val in enumerate(mylist):
    # do something with val or with idx. Note that val=mylist[idx]

上述代码在功能上与以下代码相同：

idx=0
for val in mylist:
   # process val, idx
   idx += 1

如果您这样选择，您还可以在索引上迭代：

for idx in xrange(len(mylist)):
    # Do something with idx and possibly mylist[idx]

此外，还可以使用len获取列表中的元素数或字典中的键数。

通过使用列表理解，可以对字典或列表的每个元素执行操作；但是，我建议您只使用for循环来完成该任务。但是，举个例子：

>>> list1 = range(10)
>>> list1
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> list2 = [2*x for x in list1]
>>> list2
[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

当你有时间的时候，我建议你阅读Python tutorial来获得更深入的知识。