将csv行迭代分配给字典值的更具Python风格的方法？

我有一个CSV文件，其中的列包含我读入字典中特定位置的特定值，行和数据的独立实例相当于一个完整的字典。在进入下一行之前，我读入并使用这些数据计算每一行的某些值、处理一些输入等。我的问题是，如果我有一个标题详细说明了列的名称（键1和键3A，等等），我是否可以使用该信息来避免我当前使用的代码（如下所示）

是的，你可以

import csv
with open(infile, 'rU') as infile:
     reader = csv.DictReader(infile)
     for row in reader:
          print(row)

是的，你可以

import csv
with open(infile, 'rU') as infile:
     reader = csv.DictReader(infile)
     for row in reader:
          print(row)

---

看看这段代码

    fields = csv_data.next()

    for row in csv_data:
        parsed_data.append(dict(zip(fields,row)))

---

看看这段代码

    fields = csv_data.next()

    for row in csv_data:
        parsed_data.append(dict(zip(fields,row)))

---

如果使用

读写器

，您可以稍微改进代码：

创建一个像普通读取器一样运行的对象，但映射 读入dict的信息，dict的键由可选的 fieldnames参数。fieldnames参数是一个序列，其 元素按顺序与输入数据的字段相关联。 这些元素成为结果字典的键。如果 如果省略fieldnames参数，则字段第一行中的值 csvfile将用作字段名

因此，如果我们利用这一点：

import csv
import string

results = []
mappings = [
             [(string.ascii_uppercase[i-2], i) for i in range(2, 7)],
             [(string.ascii_uppercase[i-2], i) for i in range(7, 10)]]

with open(input_file, 'rU') as control_file:
    reader = csv.DictReader(control_file)
    for row in reader:
        row_data = {}
        row_data['key1'] = row['key1']
        row_data['key2'] = row['key2']
        row_data['key3'] = {k:row[v] for k,v in mappings[0]}
        row_data['key4'] = {k:row[v] for k,v in mappings[1]}
        results.append(row_data)

---

如果使用

读写器

，您可以稍微改进代码：

创建一个像普通读取器一样运行的对象，但映射 读入dict的信息，dict的键由可选的 fieldnames参数。fieldnames参数是一个序列，其 元素按顺序与输入数据的字段相关联。 这些元素成为结果字典的键。如果 如果省略fieldnames参数，则字段第一行中的值 csvfile将用作字段名

因此，如果我们利用这一点：

import csv
import string

results = []
mappings = [
             [(string.ascii_uppercase[i-2], i) for i in range(2, 7)],
             [(string.ascii_uppercase[i-2], i) for i in range(7, 10)]]

with open(input_file, 'rU') as control_file:
    reader = csv.DictReader(control_file)
    for row in reader:
        row_data = {}
        row_data['key1'] = row['key1']
        row_data['key2'] = row['key2']
        row_data['key3'] = {k:row[v] for k,v in mappings[0]}
        row_data['key4'] = {k:row[v] for k,v in mappings[1]}
        results.append(row_data)

---

更好的是，如果你把整个事情变成一个生成器，它能产生

s a
dict
，你就可以得到
results=[get\u rows（'filename'）中的行对行]
，这巧妙地避免了
append（）
。如果你把整个事情变成一个生成器，它能产生
a
dict
，那就更好了，您可以只使用
results=[get_rows（'filename'）中的行对行]
，这样可以巧妙地避免使用
append（）
。