Python sucht CSV-Format für den string in einer Spalte, gibt string aus einer anderen Spalte in der gleichen Zeile

Ich versuche, ein Programm zu schreiben, in python, das sucht ~27,000 Zeilen für jeden string in einer Liste. Jede saite, ich bin auf der Suche nach in einer Spalte, und hat ein 'id' - Wert in einer anderen Spalte möchte ich, dass gedruckt wird, wenn gefunden. Der code, den ich aktuell haben, zählt die Anzahl der Male, dass die Zeichenfolge in das Dokument angezeigt wird, aber ich bin noch nicht in der Lage, einen Weg zu finden, um bestimmte Werte für die einzelnen eindeutigen Zeile, in der die strings zu finden sind. 

import csv
fin = open('data.csv')
words = ["happy","sad","good","bad","sunny","rainy"]
found = {}
count = 0
for line in fin:
    for word in words:
        if word in line:
            count = count + 1
    found[word] = count
print(found)

Die wichtigsten semantischen problem mit dem code oben ist der Druck der 'gefunden' nur Wörterbuch liefert eine der Ergebnisse und deren Zählung von der "Worte" - Liste.

InformationsquelleAutor Chris Thurber | 2014-10-15
  1. 1

    Sagte Sie, dass Sie möchten, drucken Sie die id der Zeile, wenn Sie ein Wort. Angenommen, Sie haben eine Komma-separierte csv-Datei mit nur zwei Spalten, das ist, wie ich es tun würde:

    fin = open('data.csv')
words = ["happy","sad","good","bad","sunny","rainy"]
found = {}
for line in fin:
    str1,id=line.split(',')
    for w in words:
        if w in str1:
            print id
            found[w]=found.get(w,0)+1
            break

print(found)

    Wenn Sie mehrere Spalten in der Datei, könnten Sie stattdessen tun:

    split_line=line.split(',')
str1=split_line[0] # Whatever columns
id=split_line[1] # Whatever columns
    InformationsquelleAutor Moose
  2. 1

    Für so etwas, ich denke, mit der pandas Bibliothek halten Ihre Gesundheit in Schach. Unter der Annahme einer 15.000-Zeile CSV-Datei mit zwei Spalten, String und ID.

    In [1]: import pandas as pd

In [2]: words = ['happy','sad','good','bad','sunny','rainy']

In [3]: df = pd.read_csv('data.csv')

In [4]: df.head(5)
Out[4]: 
  Strings  ID
0   happy   1
1     sad   2
2   happy   3
3     sad   4
4    good   5

In [5]: for word in words:
   ...:     print '{} : {}'.format(word, df['Strings'].str.lower().str.contains(word).sum())
   ...:     
happy : 2501
sad : 2500
good : 2500
bad : 2500
sunny : 2499
rainy : 2500

    Alternativ, können Sie einfach erstellen Sie eine pivot-Tabelle und es werden ähnliche Ergebnisse.

    In [30]: df_pt = df.pivot_table(index='Strings',values='ID',aggfunc=len)

In [31]: df_pt
Out[31]: 
Strings
bad        2500
good       2500
happy      2501
rainy      2500
sad        2500
sunny      2499
Name: ID, dtype: int64

    Wenn Sie brauchen, um die IDs für jedes Wort können Sie nur wählen Sie einfach/index/filtern der Daten:

    In [6]: df_happy = df[df['Strings'] == 'happy']

In [7]: df_happy.head(5)
Out[7]: 
   Strings  ID
0    happy   1
2    happy   3
12   happy  13
14   happy  15
18   happy  19

    Wenn Sie es brauchen, wie eine Liste, dann:

    In [8]: list_happy = df_happy['ID'].tolist()

In [9]: list_happy[:5]
Out[9]: [1, 3, 13, 15, 19]

    Habe ich abgeschnitten einige Teile, das ist klar, aber die Idee bleibt die gleiche.

    InformationsquelleAutor Jerome Montino
  3. 0
    for line in fin: # loops over the lines of the file
    for word in words: # loops over your word list
        if word in line: # checks if current word is in line
            count = count + 1 # increments global variable "count". Everytime a word in the list is found in the line. With no reset or save-away inbetween whatsoever. This is the number of times any word appears in any line at the end.
    found[word] = count # assigns - after all words are looped over - current "count" value to found[current_word]

    also, was Sie tun, ist die Zuweisung eines beliebigen Wertes an eine dictionary-Schlüssel, die passiert werden die letzten Wort, das Sie überprüfen in jeder iteration.

    Scheint nicht sehr nützlich für mich. Ich denke, man beabsichtigt, etwas zu tun:

    from collections import defaultdict
found = defaultdict(int)
for line in fin:
    for word in words:
        if word in line:
           found[word] += 1
    • Genial. Ich bin noch ein Neuling in Python, also danke für die zusätzlichen Kommentare und Lösung. Dies löst das zählen problem, aber wie kann ich wieder die 'id' - Wert erwähnt für jede Zeile, die 'Wort' ist in?
    • Gut, Sie würden zu verfolgen, die id ist. Nur lagern Sie Sie Weg, wie Sie Sie finden.
    InformationsquelleAutor ch3ka
Schreibe einen Kommentar