在从CSV文件读取的多个列表中查找重复（Python）

Question

标题看起来很混乱，但是假设我正在处理以下CSV文件（'名称.csv'). 在

    name1,name2,name3
    Bob,Jane,Joe
    Megan,Tom,Jane
    Jane,Joe,Rob

我的问题是，我该如何编写返回至少出现3次的字符串的代码。所以输出应该是“Jane”，因为这至少发生了3次。真的很困惑。。也许一些示例代码可以帮助我更好地理解？在

到目前为止，我已经：

^{pr2}$

这将返回：

    ['Bob', 'Jane', 'Joe']
    ['Megan', 'Tom', 'Jane']
    ['Jane', 'Joe', 'Rob']

从这里我要去哪里？还是我做错了？我对Python还很陌生（嗯，完全是编程），所以我几乎不知道我在做什么。。在

干杯

Answer 1

我会这样做的：

>>> from collections import defaultdict
>>> d = defaultdict(int)
>>> rows = [['Bob', 'Jane', 'Joe'],
... ['Megan', 'Tom', 'Jane'],
... ['Jane', 'Joe', 'Rob']]
...
>>> for row in rows:
...     for name in row:
...         d[name] += 1
... 
>>> filter(lambda x: x[1] >= 3, d.iteritems())
[('Jane', 3)]

它使用默认值为0的dict来计算每个名称在文件中出现的次数，然后根据条件（count>；=3）过滤dict。在

Answer 2

把它放在一起csv.reader用法）：

import csv
import collections
d = collections.defaultdict(int)
with open("names.csv", "rb") as f: # Python 3.x: use newline="" instead of "rb"
    reader = csv.reader(f):
    reader.next() # ignore useless heading row
    for row in reader:
        for name in row:
            name = name.strip()
            if name:
                d[name] += 1
 morethan3 = [(name, count) for name, count in d.iteritems() if count >= 3]
 morethan3.sort(key=lambda x: x[1], reverse=True)
 for name, count in morethan3:
    print name, count

更新回应评论：

无论您是否使用DictReader方法，您都需要通读整个CSV文件。如果您想忽略“name2”列（not row），则忽略它。您不需要按照变量名“rows”的建议保存所有数据。下面是一个更通用的方法的代码，它不依赖列标题的特定顺序，并且允许选择/拒绝特定的列。在

^{pr2}$