时间戳

首页 > 解决方案 > 在 Python 中组织数据集

python - 在 Python 中组织数据集

问题描述

我有一个包含大量习语的 .csv 数据集。每行包含我想分隔的三个元素（用逗号分隔）：

1) 索引号 (0,1,2,3...)

2) 成语本身

3）如果成语是肯定的/否定的/中性的

这是 .csv 文件的一个小示例：

0,"I did touch them one time you see but of course there was nothing doing, he wanted me.",neutral

1,We find that choice theorists admit that they introduce a style of moral paternalism at odds with liberal values.,neutral

2,"Well, here I am with an olive branch.",positive

3,"Its rudder and fin were both knocked out, and a four-foot-long gash in the shell meant even repairs on the bank were out of the question.",negative

如您所见，有时成语会包含引号，而有时则不会。但是，我认为这不会很难排序。

我认为在 Python 中组织它的最佳方法是通过字典，如下所示：

example_dict = {0: ['This is an idiom.', 'neutral']}

那么如何将每一行分成三个不同的字符串（基于逗号），然后使用第一个字符串作为键号，最后两个作为字典中的相应列表项？

我最初的想法是尝试用这段代码分割逗号：

for line in file:    
    new_item = ','.join(line.split(',')[1:])

但它所做的只是删除一行中第一个逗号之前的所有内容，而且我认为通过它进行大量迭代并不是有效的。

我想就组织这样的数据的最佳方法获得一些建议？

标签： pythoncsvdictionary

解决方案

Python 有一个专门用于处理文件的完整模块。csv在这种情况下，您可以使用它从文件中创建列表列表。现在让我们调用您的文件idioms.csv：

import csv
with open('idioms.csv', newline='') as idioms_file:
    reader = csv.reader(idioms_file, delimiter=',', quotechar='"')
    idioms_list = [line for line in reader]

# Now you have a list that looks like this:
# [[0, "I did touch them...", "neutral"],
#  [1, "We find that choice...", "neutral"],
#  ...
# ]

您现在可以对数据进行排序或按您喜欢的方式组织数据。

推荐阅读