Python 如何找到csv文件中每个序列的最大出现次数？

我一直在搜索序列模式挖掘的python实现，但没有找到任何东西

我有一个包含以下数据的csv文件（注意：第一列是重量，第二列是a、B、C）——图片如下：

1 A,B,C
5 D,E,F,X,Z
6 P,Q,R
1 A,B,C,F
2 D,P,Q
4 E,X,R
1 W,Y
2 A,C,P,D,B
3 R,W,Y

基本上，我想知道某个组合发生了多少次。我希望：

CSV文件中每个序列的最大出现次数（例如A、B、C——顺序和位置无关紧要） 在上述文件中，例如，A、B、C序列出现3次。所以我期望的输出是A，B，C，3（我希望输出像这样）。它应该检查csv文件中的所有序列。所以它应该先检查A，然后是b，然后是A，b，然后是C，然后是A，b，C等等。它应该检查CSV中的任何内容，而不是给出A-Z字母的组合

我用组合来发行，1，2，3，4，组合

alphabet = frozenset(combination(ListofAlphabet, 3)) #three combinations. List is from A-Z
for row in fileread:
    if alphabet.issubset(row[1]):
        output += 1
print '{},{}'.format(alphabet, output) 

---

但它并没有给出CSV中出现序列的最大数量，因为我手动将这些组合作为输入。那么，如何在CSV文件中为每个序列（例如A、B、C——顺序和位置无关紧要）设置最大出现次数

如果将

csv.reader

和

itertools.compositions

与

collections.Counter

组合使用，它应该可以工作：例如

import csv
from collections import Counter
from itertools import combinations

counts = Counter()
with open("letters.csv", "rb") as fp:
    reader = csv.reader(fp)
    for row in reader:
        letters = row[1].split(",")
        for group in combinations(letters, 3):
            counts[frozenset(group)] += 1

print counts.most_common(1)

将给予

dsm@winter:~/coding$ python letters.py 
[(frozenset(['A', 'C', 'B']), 3)]

---

（假设我猜对了您的csv的实际外观。）如果希望

计数器

键看起来更干净，您可以将

冻结集（组）

替换为

元组（已排序（组））

。

您可以使用

csv

模块解析csv文件：

import csv
import codecs

def read_data(filename, *options):
    with codecs.open(filename, 'rb', encoding='utf-8') as f:
        for data in csv.reader(f, *options):
            yield data

编解码器

部分就是这样在Python3中工作的。您可以这样使用：

for data in read_data('test.csv'):
    print(data)

现在，如果要计算发生次数的项目位于第二行，则可以使用：

items = [data[1] for data in read_data('test.csv')]

然后将其传递给

计数器
对象：

import collections
c = collections.Counter(items)
print(c.most_common())

这将打印
（项目，计数）
对的列表，您可以像这样处理：

for item, count in c.most_common():
    print('sequence "{0}" occurred {1} times'.format(item, count))

输入文件：

A,B,C
D,E,F,X,Z
P,Q,R
A,B,C,F
D,P,Q
E,X,R
W,Y
A,C,P,D,B
R,W,Y

A,B
A,C,B
A
C,B

myinput文件：

A,B,C
D,E,F,X,Z
P,Q,R
A,B,C,F
D,P,Q
E,X,R
W,Y
A,C,P,D,B
R,W,Y

A,B
A,C,B
A
C,B

结果:

[('A,B,C', 3), ('D,E,F,X,Z', 1), ('P,Q,R', 1), ('A,B,C,F', 1), ('D,P,Q', 1), ('E,X,R', 1), ('W,Y', 2), ('A,C,P,D,B', 1), ('R,W,Y', 1)]
[('A,B', 2), ('A,C,B', 1), ('A', 3), ('C,B', 2)]

多次剥离是可以避免的，但是你得到了一个大致的想法…
使用
集合。计数器
对象。你的文件实际上是这样的吗，像
1a，B，C
带空格？如果是这样，那么它就不是一个CSV文件。@user1825440:那么，你能把它编辑成真实的文件吗？只是为了排除不兼容。我想让它检查csv文件中的所有序列。你的代码只检查一个。但当我实现它时，它只是显示[]@user1825440您的问题不清楚是否检查了所有序列，请编辑您的问题以指定它。@RaydelMiranda编辑了它。我基本上想知道csv中的序列，从最大发生序列到最小发生序列。