用python排序csv文件

Question

我想按列排序csv文件。该文件有很多栏目，看起来像：

汤姆，01AA01,234.56,334

爱丽丝，01AS01,546.09,3434.3

山姆，01NA01,4574.3,65.45

喜悦，01BA01， 2897.03,455

帕姆，01MA01,434.034,454

约翰，01AA02,343,24

爱丽丝，01AS02,454,454.54

汤姆，02BA01,3434,3454.2

它持续约20列和250列。

我希望它由第二列进行排序和按字母顺序排列为AA，AS，BA在第二部分，和数值为第三部分“01”，“02”，“03”，和数值为第一部分'01'，'02'，'03'。然后从这种类型创建一个新的CSV文件。他们通常只有6个字符长，其他人看起来像'02BAA'，'01MAA'，'02NAA'等等。

那么到底它会希望像这样的第2列。

01AA01 
01AS01 
01BA01 
01MA01 
01NA01 
01AA02 
01AS02 
02BA01 

我是新来的编码，而不是很清楚如何去这样做。先谢谢你。

Answer 1

默认排序顺序为ASCII字符串从Python的sorted功能lexicographic（或 'ASCIIbetical'）：

>>> li=['1', '20', '100', '11'] 
>>> sorted(li) 
['1', '100', '11', '20'] 

相比时，这些列表值是整数整数大小：

>>> sorted(map(int, li)) 
[1, 11, 20, 100] 

即，人眼的字符串数量的大小与计算机眼睛的相同字符串的大小不同。 （写在Codinghorror更广泛）

要解决它，我们需要从数字中分离字母，并将数字转换为整数（或浮点数）。

最简单的方法是用正则表达式捕获所有数字，然后转换为整数，然后转换为所有字母。

此排序到你的目标：

li1='''\ 
01AA01 
01AS01 
01NA01 
01BA01 
01MA01 
01AA02 
01AS02 
02BA01'''.splitlines() 

tgt='''\ 
01AA01 
01AS01 
01BA01 
01MA01 
01NA01 
01AA02 
01AS02 
02BA01'''.splitlines() 


import re 

def kf(s): 
    nums=map(int, re.findall(r'(\d+)', s)) 
    lets=re.findall(r'([a-zA-Z]+)', s) 
    return nums+lets 

print tgt==sorted(li1, key=kf) 
# True 

或者一个行：

>>> tgt==sorted(li1, key=lambda s: map(int, re.findall(r'(\d+)', s))+re.findall(r'(\D+)', s)) 
True 

---

编辑基于评论

的问题状态的文本 ：

我希望它在首节01,02,03 ...... 数字进行排序，然后按字母顺序为AA，AS，BA在第二部分，并且 数值再次为第三部分。

但是，示例表明情况并非如此。

我们可以排序的基础上（INT，字母，INT）与拆分模式：

>>> [re.split(r'(\D+)', e) for e in li1] 
[['01', 'AA', '01'], ['01', 'AS', '01'], ['01', 'NA', '01'], ['01', 'BA', '01'], ['01', 'MA', '01'], ['01', 'AA', '02'], ['01', 'AS', '02'], ['02', 'BA', '01']] 
>>> sorted(li1, key=lambda s: [int(e) if e.isdigit() else e for e in re.split(r'(\D+)', s)]) 
['01AA01', '01AA02', '01AS01', '01AS02', '01BA01', '01MA01', '01NA01', '02BA01'] 
#    ^^  ^^  etc '01AA02', before '01AS01' in the example 

通过检查，张贴的例子的模式是(int, int, letters)可以在这里看到：

>>> [map(int, re.findall(r'(\d+)', s))+re.findall(r'(\D+)', s) for s in li1] 
[[1, 1, 'AA'], [1, 1, 'AS'], [1, 1, 'NA'], [1, 1, 'BA'], [1, 1, 'MA'], [1, 2, 'AA'], [1, 2, 'AS'], [2, 1, 'BA']] 

如果TEXT是正确的，使用排序的分割形式我有;如果例是正确的，使用nums+lets形式。

Answer 2

sorted()和列表的.sort()方法采用可选的key参数。

其中：

键指定用于提取从每个列表元素的 对比密钥一个参数的函数：键= str.lower。

换句话说，考虑到关键的参数解析和（你会写）函数将返回给定对象的排序值。

因此，考虑到你的输入，"01AS01"，要分解成可以很容易地整理碎片。如你所说，你想按（int，str，int）排序的结果。由于sorted()和.sort()自动将号码，在整数的情况下进行排序，并按字母顺序，在字符串的情况下，所有你需要为你键功能做的是打破自己的价值，"01AS01"到[1, "AS", 1]和sorted()/.sort()将照顾其余。

这是一个和dawg类似的例子，但是没有使用map()和re。

col = ['01AA01', 
'01AS01', 
'01NA01', 
'01BA01', 
'01MA01', 
'01AA02', 
'01AS02', 
'02BA01'] 

def create_sort_key(value): 
    int_indexes = (0, 4) 
    str_indexes = (2,) 
    parsed_values = [] 
    # get the starting index for groups of two 
    for i in range(0, 6, 2): 
     pair = value[i:i+2] 
     if i in int_indexes: 
      parsed_value = int(pair) 
     elif i in str_indexes: 
      parsed_value = str(pair) 
     else: 
      raise IndexError("unexpected index: {}".format(i)) 
     parsed_values.append(parsed_value) 
    return parsed_values 

col.sort(key=create_sort_key) 

Answer 3

假设这是一个csv文件，每一行是一个行和每列被标记用逗号。既然没有给我们一个你的csv的例子，我编了一个有两列的文章，你的数据在col [1]中。

>>> print open('mycsv.csv').read() 
fred, 01AA01 
brenda, 01BA01 
bob, 01AA02 
alice, 01NA01 
jane, 01AS01 
blane, 02BA01 
larry, 01MA01 
mary, 01AS02 

这些都可以通过csv模块读入列表中。最后列出行，其中列是另一个列表

>>> import csv 
>>> table=[row for row in csv.reader(open('mycsv.csv')) if row] 
>>> print table 
[['fred', ' 01AA01'], ['brenda', ' 01BA01'], ['bob', ' 01AA02'], ['alice', ' 01NA01'], ['jane', ' 01AS01'], ['blane', ' 02BA01'], ['larry', ' 01MA01'], ['mary', ' 01AS02']] 

您可以对该列表进行排序。默认情况下，排序从第一个键开始，然后第二个键如果第一个键是相同的，等等。所以，它将由'fred'等等来排序......但是您可以选择不同的排序键。 Python调用每个列表项的关键函数，以便您可以将其转换为您想要的。转换可以很简单，如小写或复杂。

它通常使用lambdas作为排序键，但这可能有点高级，所以这里有一个函数，它只是抓住你想要的键。

>>> def item_1(row): 
...  return row[1] 
... 
>>> print table 
[['fred', ' 01AA01'], ['bob', ' 01AA02'], ['jane', ' 01AS01'], ['mary', ' 01AS02'], ['brenda', ' 01BA01'], ['larry', ' 01MA01'], ['alice', ' 01NA01'], ['blane', ' 02BA01']] 
>>>