Python 按25个块对CSV中的行进行分组

我有一个csv文件，有两列，表示每年项目的分布情况，如下所示：

A       B

1900    10
1901    2
1903    5
1908    8
1910    25
1925    3
1926    4
1928    1
1950    10

等等，大约15000行

当根据这些数据绘制分布图时，一把斧子上的点太多了，不是很漂亮。我想把一排排排成25年一组，这样到最后我的分数就会少一些。 例如，从1900年到1925年，我有一个生产项目的总和，a列1行，B列1行：

1925  53
1950  15

到目前为止，我只知道如何将csv文件中的数据转换为int：

o=open('/dates_dist.csv', 'rU')
mydata = csv.reader(o)


def int_wrapper(mydata):
    for v in reader:
        yield map(int, v)

reader = int_wrapper(mydata) 

找不到进一步的方法

您可以使用：

屈服

(1900, 10)
(1925, 43)
(1950, 15)

请注意，1900年至1925年（含）的跨度为26年，而不是25年。所以 如果你想对25年进行分组，考虑到你报告总数的方式，你可能需要半开放区间

（1900，1925）

---

表达式

行[0]//25

取年份，整数除以25。 这个数字对于[1900，1925]范围内的所有数字都是相同的。

---

要使范围在左侧半开，请减去并添加1:

（行[0]-1）//25+1

，这是我的方法。它肯定不是最吸引人的python代码，但可能是实现所需输出的一种方法

if __name__ == '__main__':   

    o=open('dates_dist.csv', 'rU')
    lines = o.read().split("\n") # Create a list having each line of the file

    out_dict = {}
    curr_date  = 0;
    curr_count = 0
    chunk_sz   =  25; #years
    if len(lines) > 0:
        line_split = lines[0].split(",")
        start_year = int(line_split[0])
        curr_count = 0

        # Iterate over each line of the file
        for line in lines:
            # Split at comma to get the year and the count. 
            # line_split[0] will be the year and line_split[1] will be the count.
            line_split = line.split(",")
            curr_year = int(line_split[0])
            time_delta = curr_year-start_year

            if time_delta<chunk_sz or time_delta == chunk_sz:
                curr_count = curr_count + int(line_split[1])
            else:
                out_dict[start_year+chunk_sz] = curr_count
                start_year = start_year+chunk_sz
                curr_count = int(line_split[1])

            #print curr_year , curr_count    

        out_dict[start_year+chunk_sz] = curr_count
    print out_dict        

如果uuuu name_uuuu=='\uuuuuuu main\uuuuuu':
o=打开（'dates\u dist.csv'，'rU'）
lines=o.read（）.split（“\n”）#创建一个包含文件每一行的列表
out_dict={}
当前日期=0；
当前计数=0
chunk_sz=25年
如果len（线）>0：
行分割=行[0]。分割（“，”）
起始年=整数（行分割[0]）
当前计数=0
#迭代文件的每一行
对于行中的行：
#按逗号拆分以获得年份和计数。
#第[0]行为年份，第[1]行为计数。
行分割=行分割（“，”）
当前年份=整数（行分割[0]）
时间增量=当前年份开始年份
如果time_delta您可以创建一个虚拟列，并在进行整数除法后按其分组：

df['temp'] = df['A'] // 25
>>> df
      A   B  temp
0  1900  10    76
1  1901   2    76
2  1903   5    76
3  1908   8    76
4  1910  25    76
5  1925   3    77
6  1926   4    77
7  1928   1    77
8  1950  10    78

>>> df.groupby('temp').sum()
         A   B
temp          
76    9522  50
77    5779   8
78    1950  10

我的数字与你的略有不同，因为我是从1900-1924年、1925-1949年和1950-1974年进行技术分组的，但想法是一样的。
你可以对此添加一个解释-我相信OP会很感激。@unutbu-大概
csv.reader
会这样创建：
csv.reader（o，delimiter=''，skipinitialspace=True）
或类似的？（以适应非标准和可变的空格分隔符）。@mhawke：是的；由于OP调用
csv.reader
的方式似乎没有问题，我没有更改该代码以适应数据的显示方式。
df['temp'] = df['A'] // 25
>>> df
      A   B  temp
0  1900  10    76
1  1901   2    76
2  1903   5    76
3  1908   8    76
4  1910  25    76
5  1925   3    77
6  1926   4    77
7  1928   1    77
8  1950  10    78

>>> df.groupby('temp').sum()
         A   B
temp          
76    9522  50
77    5779   8
78    1950  10