Python3.x中按年份划分的最常见名称

我有一个名为（JMÉNO）、年份的csv excel文件，我需要编写一个函数

names_chart（year，filename，n）

，它将写入一年中最常见的名称（n）的计数（根据文件中的数据）。我已经写了一个代码，可以写最常见的名字，但是没有年份参数。 有人能帮我解决这个问题吗

csv文件的一部分：

代码：

重新导入
def过程_单词（单词，单词）：
如果len（word）<4：
返回
w=字。下（）
如果w大写：
字[w]+=1
其他：
字[w]=1
def get_单词（文本）：
单词={}
对于re.findall中的w（“\w+”，文本）：
过程字（w，字）
回话
def读入（文件名）：
将open（filename，“r”，encoding=“utf-8”）作为f：
返回f.read（）
def打印顶部（字数、计数）：
排序的名称=排序的（单词，关键字=words.get，反向=True）
对于排序名称中的w[：计数]：
打印（w，字[w]）
def名称图表（年份、文件名、n）：
text=读入（文件名）
单词=获取单词（文本）
打印顶部（文字，n）
姓名图表（1987年，“du06_jmena.csv”，第10页）

是一个重要的数据分析库。使用DataFrames，我们可以将分析简化为单个函数。由于未指定输出类型，我们将返回名称、值对的列表：

import pandas as pd

def names_chart (year, filename, n, get_df=False):
    """Return the n most common names of a given year as a list of tuples."""
    # Input processing
    if isinstance(year, int):
        year = str(year)
    names = "JMÉNO"

    # pandas: find indices in `df` that are most common names/year (condition)
    # Return only the names and given year columns
    df = pd.read_csv(filename, sep=",", encoding='latin1')
    condition = df[year].nlargest(n).index
    top_names_per_year = df.loc[condition, [names, year]]

    # Output processing
    if get_df:
        return top_names_per_year

    return top_names_per_year.values.tolist()

您现在可以通过

列表

访问数据：

names_chart (2011, "./@data/gistfile1.txt", 3)

# Output (List, default):
[['AARON', 4], ['AARIAN KAMER', 1], ['A-MI', 0]]

您可以选择使用

get\u df=True

返回数据帧对象的

top\u names\u per\u year

。数据帧还有更多

结果子集显示指数、名称列和

年
列中相应的最大频率。
是数据分析的重要库。使用DataFrames，我们可以将分析简化为单个函数。由于未指定输出类型，我们将返回名称、值对的列表：

import pandas as pd

def names_chart (year, filename, n, get_df=False):
    """Return the n most common names of a given year as a list of tuples."""
    # Input processing
    if isinstance(year, int):
        year = str(year)
    names = "JMÉNO"

    # pandas: find indices in `df` that are most common names/year (condition)
    # Return only the names and given year columns
    df = pd.read_csv(filename, sep=",", encoding='latin1')
    condition = df[year].nlargest(n).index
    top_names_per_year = df.loc[condition, [names, year]]

    # Output processing
    if get_df:
        return top_names_per_year

    return top_names_per_year.values.tolist()

您现在可以通过
列表
访问数据：

names_chart (2011, "./@data/gistfile1.txt", 3)

# Output (List, default):
[['AARON', 4], ['AARIAN KAMER', 1], ['A-MI', 0]]

您可以选择使用
get\u df=True
返回数据帧对象的
top\u names\u per\u year
。数据帧还有更多

结果子集显示指数、一列名称和
年
列中相应的最大频率。
我也会使用熊猫，但方式不同

我会这样写我的函数：

def common_names(year, filename, N):
    yearcol = str(year)
    namecol = 'JMÉNO'
    df = (
        pandas.read_csv(filename)
            .sort_values(by=[yearcol], ascending=False)
            .head(N)
    )[[namecol, yearcol]]
    return df

我也会用熊猫来做这个，但方式不同

我会这样写我的函数：

def common_names(year, filename, N):
    yearcol = str(year)
    namecol = 'JMÉNO'
    df = (
        pandas.read_csv(filename)
            .sort_values(by=[yearcol], ascending=False)
            .head(N)
    )[[namecol, yearcol]]
    return df

为什么不订一本词典，每年一本呢？主循环需要决定（基于year参数）将给定名称记录在哪个字典中（如果该年份尚未出现，则生成一个新字典）。由于这似乎是家庭作业，我将为您留下详细信息。您能在这里发布实际CSV的一部分吗？也许只有几行？这也可以简单地用，它可以将文件读入数据帧并执行各种操作，例如查找最频繁的值
df['item'].value_counts（）.idxmax（）
。提供数据集的要点，可能会有人帮助您。谢谢您的回答。给约翰·科尔曼：我不确定我应该在哪个职能部门做这件事。你能给我一个提示吗？要不是机器人：只有一列名为逗号年逗号年。。。。与所附的截图完全相同。对pylang：我相信，没有任何其他库（？）有更简单的方法来实现它。你在github上吗？您可以发布数据集的一部分。给出一些数据，就可以证明熊猫是多么容易相处。为什么不编一本字典，每年编一本呢？主循环需要决定（基于year参数）将给定名称记录在哪个字典中（如果该年份尚未出现，则生成一个新字典）。由于这似乎是家庭作业，我将为您留下详细信息。您能在这里发布实际CSV的一部分吗？也许只有几行？这也可以简单地用，它可以将文件读入数据帧并执行各种操作，例如查找最频繁的值
df['item'].value_counts（）.idxmax（）
。提供数据集的要点，可能会有人帮助您。谢谢您的回答。给约翰·科尔曼：我不确定我应该在哪个职能部门做这件事。你能给我一个提示吗？要不是机器人：只有一列名为逗号年逗号年。。。。与所附的截图完全相同。对pylang：我相信，没有任何其他库（？）有更简单的方法来实现它。你在github上吗？您可以发布数据集的一部分。给出一些数据，就可以证明使用pandas是多么容易。我认为您可以使用
df2.values.tolist（）
简单地使用非dataframe返回语句。这将是一个列表列表，而不是元组列表。很好的建议。谢谢@Paul H。我想您可以简单地使用
df2.values.tolist（）
返回非数据帧语句。这将是一个列表列表，而不是元组列表。很好的建议。谢谢@paulh。