我有一个关于在Python中删除重复项的问题。我读了很多帖子,但还没有解决。我有以下csv文件:
编辑
输入:
ID, Source, 1.A, 1.B, 1.C, 1.D
1, ESPN, 5,7,,,M
1, NY Times,,10,12,W
1, ESPN, 10,,Q,,M
输出应为:
^{pr2}$换句话说,如果ID相同,则从源为“NY Times”的行中获取值,如果“NY Times”的行具有空值,并且来自“ESPN”源的重复行具有该单元格的值,则从具有“ESPN”源的行中获取值。对于输出,将原始的两行标记为副本并创建第三行。在
为了进一步澄清,由于我需要在具有不同列标题的许多不同csv文件上运行此脚本,我不能执行以下操作:
def main():
with open(input_csv, "rb") as infile:
input_fields = ("ID", "Source", "1.A", "1.B", "1.C", "1.D")
reader = csv.DictReader(infile, fieldnames = input_fields)
with open(output_csv, "wb") as outfile:
output_fields = ("ID", "Source", "1.A", "1.B", "1.C", "1.D", "d_flag")
writer = csv.DictWriter(outfile, fieldnames = output_fields)
writer.writerow(dict((h,h) for h in output_fields))
next(reader)
first_row = next(reader)
for next_row in reader:
#stuff
因为我希望程序在前两列上运行,而不受表中其他列的影响。换句话说,“ID”和“Source”将出现在每个输入文件中,但其余的列将根据文件的不同而改变。在
非常感谢您能提供任何帮助!仅供参考,“来源”只能是:《纽约时报》、《ESPN》或《华尔街日报》,副本的优先顺序是:如果可以,请选择《纽约时报》,否则请选择ESPN,否则,请选择《华尔街日报》。这对每个输入文件都有效。在
下面的代码将所有记录读入一个大字典,字典的键是它们的标识符,值是将源名称映射到整个数据行的字典。然后它遍历字典并给出所需的输出。在
相关问题 更多 >
编程相关推荐