如何解决如何在csv列中查找重复项,并删除没有重复项的任何行
我有一个csv,其数据如下所示:
777 Brockton Avenue,Abington,MA,2351
30 Memorial Drive,Avon,2322
250 Hartford Avenue,Bellingham,2351
700 Oak Street,Brockton,2301
66-4 Parkhurst Rd,Chelmsford,1824
591 Memorial Dr,Chicopee,2351
55 Brooksby Village Way,Danvers,2301
我想搜索最后一列(带有邮政编码的列),查找任何重复项,并删除没有没有重复项的任何行。
所以上面的数据将变成:
777 Brockton Avenue,2351
250 Hartford Avenue,2301
591 Memorial Dr,2301
我已经尝试使用Pandas和许多其他方法,但是这样做仍然有很多麻烦。有人对我该怎么做有任何想法吗?
解决方法
您可以使用dict
通过邮政编码为行编制索引。 collections.defaultdict
很不错,因为只要找到新的邮政编码,您就不必专门创建列表。在这种情况下,defaultdict将使用您提供的初始化程序(在这种情况下为list
类)。
填充字典后,其值就是按邮政编码分组的列表,并且> 1的任何列表都符合您的条件。
import csv
import collections
zip_index = collections.defaultdict(list)
with open('test.csv',newline='') as fileobj:
reader = csv.reader(fileobj)
for row in reader:
zip_index[row[-1]].append(row)
with open('output.csv','w',newline='') as fileobj:
writer = csv.writer(fileobj)
for rows in zip_index.values():
if len(rows) > 1:
writer.writerows(rows)
,
如果像原来的文章一样将其作为文本文件使用,则可以仅拆分每行并使用最后一个元素。使用字典来跟踪每个邮政编码的重复次数,然后在所有行中第二次循环,仅保留邮政编码超过一次的行:
lines = ["777 Brockton Avenue,Abington,MA,2351","30 Memorial Drive,Avon,2322","250 Hartford Avenue,Bellingham,"700 Oak Street,Brockton,2301","66-4 Parkhurst Rd,Chelmsford,1824","591 Memorial Dr,Chicopee,"55 Brooksby Village Way,Danvers,2301"]
## Get an overview of duplicates
zipdir = {}
for l in lines:
try:
zipdir[l.split(",")[-1]] +=1
except:
zipdir[l.split(",")[-1]] = 1
## Retain the ones with more than one occurrence
outlines = []
for l in lines:
if zipdir[l.split(",")[-1]]>1:
outlines.append(l)
在您的情况下,这将从数据中删除两个元素。通过仅将csv作为文件(infile = open("xy.csv","r")
)打开并读取所有行作为列表(lines = infile.readlines()
),可以从csv获得行列表。类似地,只需将行写成带有换行定界符(outfile.write("\n".join(outlines)
)的连接字符串,就可以写出结果行列表。
此任务不需要软件包。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。