Python 使用dictreader访问列

问题：

我在使用python的dictreader从csv文件中查找列的平均值时遇到了一个问题

我试过了：

使用列名访问像这样的列是可行的，但列名是必需的，我不确定如何在reader.fieldnames上循环，以便仅从每个列构造一个列表，而不是将所有列数据混合到同一个列表中：

          for r in reader:
            print(r.get("Price"))

循环示例

for i in reader.fieldnames:
    for r in reader:
        print(row.get(i))

这很好，但是对于每一行，从每一列打印出一个元素。这使得收集所有价格、所有名称等的列表变得很困难，因为它只是以列表形式重新构建听写器

问题

我怎样才能从dictreader中只读取一整列，这样我就可以作为列表单独访问每一列并对其执行操作

---

注意：到目前为止，我已经尝试使用循环来追加每个元素，但结果是一个N大小的数组，每行有4个元素。

如果您可以为每个要读取的列在文件上循环一次，只需构建一个列表理解的dict理解：

columns = {fieldname: [row.get(fieldname) for row in reader] for fieldname in reader.fieldnames}

没有更好的方法，只是根据文件的性质。。。csv是一系列行，将它们转换为列会有点浪费。如果只希望提取某些字段名，则可以对此进行修补

但是，如果确实需要只读取一次文件，请执行以下操作：

columns = {}
for row in reader:
    for fieldname in reader.fieldnames:
        columns.setdefault(fieldname, []).append(row.get(fieldname))

---

如果您可以为每个要阅读的列在文件上循环一次，只需构建列表理解的dict理解：

columns = {fieldname: [row.get(fieldname) for row in reader] for fieldname in reader.fieldnames}

没有更好的方法，只是根据文件的性质。。。csv是一系列行，将它们转换为列会有点浪费。如果只希望提取某些字段名，则可以对此进行修补

但是，如果确实需要只读取一次文件，请执行以下操作：

columns = {}
for row in reader:
    for fieldname in reader.fieldnames:
        columns.setdefault(fieldname, []).append(row.get(fieldname))

你可以使用这个模块。它非常强大，可以处理csv文件

import pandas as pd
df = pd.read_csv(csv_file)
saved_column = df['column_name']

你可以使用这个模块。它非常强大，可以处理csv文件

import pandas as pd
df = pd.read_csv(csv_file)
saved_column = df['column_name']

使用一个普通的reader对象，获取标题，转换数据，将标题与数据结合起来创建dict

import csv
with open('data.csv') as f:
    reader = csv.reader(f)
    headers = next(reader)
    # transpose the data
    # --> columns become rows and rows become columns
    data = zip(*reader)
    # create a dictionary by combining the headers with the data
    d = dict(zip(headers, data))

---

使用一个普通的reader对象，获取标题，转换数据，将标题与数据结合起来创建dict

import csv
with open('data.csv') as f:
    reader = csv.reader(f)
    headers = next(reader)
    # transpose the data
    # --> columns become rows and rows become columns
    data = zip(*reader)
    # create a dictionary by combining the headers with the data
    d = dict(zip(headers, data))

---

---

很好的建议，谢谢你的回答！但理想情况下，我不想使用csv等以外的任何额外库。

pandas

和

petl

都是非常好的选择，如果您的数据集非常大，或者您的项目需求开始增长。我的答案肯定是幼稚的“编程101”解决方案，在野外，你会期望使用这些模块中的一个。@Toreschliman-如果你不需要Pandas数据帧的全部功能-如果你可以轻松地使用内置模块完成任务，在名称空间中添加无关的模块可能不值得。很好的建议，感谢您的回答！但理想情况下，我不想使用csv等以外的任何额外库。

pandas

和

petl

都是非常好的选择，如果您的数据集非常大，或者您的项目需求开始增长。我的答案肯定是幼稚的“编程101”解决方案，在野外，你会期望使用其中一个模块。@Toreschliman-如果你不需要Pandas DataFrame的全部功能-如果你可以使用内置轻松完成任务，那么在命名空间中添加无关的模块可能不值得。