Python：提取特定范围内的数字数据

我是一个Python初学者，尝试在大数据集中计算特定大小的数量。原始数据位于由选项卡分隔的文本文件中。我有不同动物的“名称”（字符串，但每一行看起来像一个列表），它们的“大小”（整数）在不同的行中。我想数一数在一定大小范围内的所有动物的数量，在10-30之间

到目前为止，我已经成功地计算了每个“名称”中有多少个，但没有指定“大小”。下面是我的代码，我没有收到任何错误，但是它被忽略了。谁能帮我解释一下为什么代码被忽略了？提前感谢您的帮助

import csv, collections

reader=csv.reader(open('C:\Users\Owl\Desktop\Data.txt','rb'), delimiter='\t')
counts=collections.Counter()

for line in reader:
   Name=line[1]
   Size=line[10]
   counts[Name]+=1

for (Name, count) in counts.iteritems():
   if 10<=Size<=30:
      print '%s: %s' % (Name, count)

导入csv，集合
reader=csv.reader（打开（'C:\Users\Owl\Desktop\Data.txt'，'rb'），分隔符='\t'）
计数=集合。计数器（）
对于行内读取器：
名称=行[1]
大小=行[10]
计数[名称]+=1
对于计数中的（名称、计数）。iteritems（）：
如果10
使
Size
成为字符串

10<=Size<=30

要解决此问题，请执行以下操作：

try:
    Size = float(line[10])
except (ValueError, IndexError):
    continue

上面的
try…except
将导致您的程序跳过csv文件中没有第11列或有无法转换为浮点的字符串的行


在Python2中，
int
s的比较小于
string
s

In [4]: 10 <= '1'
Out[4]: True

哈利路亚。
如前所述，
大小
将永久设置为文件中的最后一个大小值，它不会与
名称
一起存储

通过for循环的每一轮，
Size
都设置为
line[10]
，但它不会存储在循环范围之外的任何内容中<代码>名称

间接存储在计数器中。因此，下次循环运行时，

Size

的值将更改为下一个动物的大小

每种动物在数据中出现不止一次吗

您需要稍微复杂一点的数据结构，或者在循环文件时查看大小

如果您不介意忽略尺寸范围之外的动物：

for line in reader:
    size = float(line[10])
    if 10 <= size <= 30:
        name = line[1]
        counts[name] += 1

for name, count in counts.iteritems():
    print '%s: %s' % name, count

对于行内读取器：
大小=浮动（第[10]行）
如果10python的一个很酷的特性是字典中的键可以是非常高级的东西，比如。。。tadaaa！。。。元组（或者日期，或者很多东西……只要它是可散列的，正如J.F.塞巴斯蒂安所指出的——这里的散列并不违法）。将其与正则表达式相结合，您就有了一个非常奇特的“大小分类器”：-）：

sizesFromFile = [
    "Name: Cat, Size: 3.2",
    "Name: Dog, Size: 4.2",
    "Name: BigFoot, Size: 12",
    "Name: Elephant, Size: 31.4",
    "Name: Whale, Size: 85.99",
]

import re
import sys
regex = re.compile(r"^Name:\s*(?P<name>\w+),\s+Size:\s+(?P<size>[\d\.]+)")

myRanges = {
    (0, 10): list(),
    (11, 20): list(),
    (21, 30): list(),
    (31, sys.maxint): list()
}

for line in sizesFromFile:
    match = regex.match(line)
    if match is not None:
        print "Success parsing %s, %s" % (match.groupdict()["name"], match.groupdict()["size"])
        name = match.groupdict()["name"]
        size = float(match.groupdict()["size"])
        for myRange in myRanges:
            if size >= myRange[0] and size <= myRange[1]:
                myRanges[myRange].append(name)

print "This is what I got: %s" % (myRanges)

虽然我很确定这是非常不理想的，速度说话。。。但它仍然很酷，对吗？
非常感谢您的快速响应！我刚刚尝试并得到一个错误值error:无法将字符串转换为float:Size如果
Size
包含字母和数字，则可能会发生这种情况。请尝试打印
Size
以查看它的大小。谢谢，我刚刚注意到数据的第一行是字符串数据，因为它们告诉我们每列是什么。有没有办法跳过第一行？owl，我在上面添加了一些代码来演示如何处理第一行。太好了！它最终没有导致错误！非常感谢你的帮助！！你们真的很棒！谢谢！！！：）对不起，我是个初学者。您所说的“它不与名称一起存储”是什么意思？我想这是我经常做的事，但我仍然很难理解我做错了什么…非常感谢你的帮助！我只是注意到大小是整数数据。因为我得到了一个错误ValueError:无法将字符串转换为float:Size，我尝试了Size=int（第[10]行），但得到了ValueError:对于以10为基数的int（）无效的文本：“Size”。。。这是什么意思？我编辑了我的答案来解释for循环范围。该错误意味着第[10]行是字符串“size”，而不是整数。一个想法是：Python切片从0开始，所以第[10]行实际上是第11项。是否可能需要第[9]行？您可以将
name=line[1]
移动到
if
语句中，就像我的code@owl：要跳过第一行，您可以调用：
next（f）
，然后再将其传递给csv.reader（），其中
f
是您的文件。实际上，我正要评论一下，虽然我喜欢正则表达式，对于这种结构化的数据来说，这似乎有些过分了。OP还提到数据集是“大的”：）实际上，列表不能是dict键。只允许哈希对象谢谢您的帮助！有没有办法避免代码中的sizesFromFile部分？我的数据的问题是，它是非常大的，它是不可能写出来的所有。。。这就是为什么数据在txt文件中，而不是在Excel中（超过了行限制）。@J.F.Sebastian。。。该死！！正确的！Fixed@owl：是的，与“SizeFromFile”列表不同，只需将该行设置为从文件中读取的行（示例中的“line”变量…arg…这现在令人困惑…您可以逐行读取文件并使用正则表达式处理它）即可。readline（）：（而不是SizeFromFile中的行）对作为Windows路径的文本字符串使用
r'
修饰符：比较
r'c:\tmp'
和
'c:\tmp'
。
Python 3.2.2 (default, Sep  5 2011, 22:09:30) 
[GCC 4.6.1] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> 10 <= '1'
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: unorderable types: int() <= str()

for line in reader:
    size = float(line[10])
    if 10 <= size <= 30:
        name = line[1]
        counts[name] += 1

for name, count in counts.iteritems():
    print '%s: %s' % name, count

sizesFromFile = [
    "Name: Cat, Size: 3.2",
    "Name: Dog, Size: 4.2",
    "Name: BigFoot, Size: 12",
    "Name: Elephant, Size: 31.4",
    "Name: Whale, Size: 85.99",
]

import re
import sys
regex = re.compile(r"^Name:\s*(?P<name>\w+),\s+Size:\s+(?P<size>[\d\.]+)")

myRanges = {
    (0, 10): list(),
    (11, 20): list(),
    (21, 30): list(),
    (31, sys.maxint): list()
}

for line in sizesFromFile:
    match = regex.match(line)
    if match is not None:
        print "Success parsing %s, %s" % (match.groupdict()["name"], match.groupdict()["size"])
        name = match.groupdict()["name"]
        size = float(match.groupdict()["size"])
        for myRange in myRanges:
            if size >= myRange[0] and size <= myRange[1]:
                myRanges[myRange].append(name)

print "This is what I got: %s" % (myRanges)

This is what I got: {(21, 30): [], (11, 20): ['BigFoot'], (0, 10): ['Cat', 'Dog'], (31, 2147483647): ['Elephant', 'Whale']}