Python 提示用户输入csv文件中的列名（不使用框架）

我试图从一个包含近4000行的csv文件中获取列名。大约有14列

我试图获取每一列并将其存储到列表中，然后提示用户自己输入至少5列他们想要查看的列

然后，用户应该能够键入他们希望看到的结果数量（它们应该是该列中最小的结果）

例如，如果他们选择服装品牌“8”，则会显示8个最便宜的品牌

---

到目前为止，我已经能够使用“with”并获得包含每个列的列表，但是我很难提示用户至少选择其中的5列。

您可以很好地使用Python输入从用户获取输入，如果您想要提示次数，请使用for循环获取输入。检查以下代码：

def get_user_val(no_of_entries = 5):
    print('Enter {} inputs'.format(str(no_of_entries)))
    val_list = []
    for i in range(no_of_entries):
            val_list.append(input('Enter Input {}:'.format(str(i+1))))
    return val_list

get_user_val()

---

我希望我没有误解你的意思，下面的代码就是你想要的

您可以将数据放入

目录

，然后对其进行排序

解决方案1

从io导入StringIO
从集合导入defaultdict
导入csv
随机输入
导入pprint
def random_price（）：
返回random.randint（11000）
def创建测试数据（n_行=4000，n_列=14，sep='，'）：
列=[chr（65+i）表示范围内的i（n列）]\A，B。。。
title=sep.join（列）
结果列表=[标题]
对于范围内的当前行（n行）：
结果列表追加（sep.join（[str（random_price（））表示范围内的（n_col）]）
返回'\n'。加入（结果列表）
def main（）：
如果“加载CSV”：
测试内容=创建测试数据（n\u行=10，n\u列=5）
dict_品牌=默认dict（列表）
将StringIO（测试内容）作为f：
rows=csv.reader（f，分隔符='，'）
对于idx，枚举中的行（行）：
如果idx==0:#标题
列=行
持续
对于i，枚举中的值（行）：
dict_brand[第[i]列].追加（int（value））
pprint.pprint（dict_品牌，缩进=4，紧凑=True，宽度=120）
用户选择=输入（“输入列（品牌）”）
结果的数量=5个输入（“…”）
watch_columns=用户选择。拆分（“”）#D E F
对于“监视”列中的列名称：
cur_brand_list=dict_brand[col_name]
打印（已排序（当前品牌列表，反向=True）[：结果数量]）
#打印（f'{col_name}:{sorted（cur_brand_list）}'）#ASC
#打印（f'{col_name}:{sorted（cur_brand_list，reverse=True）}'）#DESC
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
main（）

defaultdict（，
{'A'：[9424635258545870912966487280830695088230]，
‘B’：[1539155944618039854145409447512 74805289]，
“C”：[770166861687313457236637607319254207640]，
"D":[4313,3812,157,6674,8264,2636,765,2514,9833,1810],，
‘E’：[139446280058560571012255288696166024609]）
输入列（品牌）C D
[9640, 7701, 6686, 6637, 6073]
[9833, 8264, 6674, 4313, 3812]

---

解决方案2：使用熊猫

---

为什么不是熊猫？我从来没有被教过熊猫框架。你不怕学它，而且学熊猫很容易而且值得。参赛作品的数量必须大于或等于5。如何将其与我的csv文件列列表连接？用户应该能够从要查看的数据和结果数中选择至少5列。通过编程，您必须为输入设置一些断点，即，

val>=5和val
def pandas_solution(test_content: str, watch_columns= ['C', 'D'], number_of_results=5):
    with StringIO(test_content) as f:
        df = pd.read_csv(StringIO(f.read()), usecols=watch_columns,
                         na_filter=False)  # it can add performance (ignore na)
    dict_result = defaultdict(list)
    for col_name in watch_columns:
        dict_result[col_name].extend(df[col_name].sort_values(ascending=False).head(number_of_results).to_list())

    df = pd.DataFrame.from_dict(dict_result)
    print(df)


      C     D
0  9640  9833
1  7701  8264
2  6686  6674
3  6637  4313
4  6073  3812