选择内部循环某些日期为.csv文件

Question

Name,USAF,NCDC,Date,HrMn,I,Type,Dir,Q,I,Spd,Q 

OXNARD,723927,93110,19590101,0000,4,SAO,270,1,N,3.1,1, 
OXNARD,723927,93110,19590101,0100,4,SAO,338,1,N,1.0,1, 
OXNARD,723927,93110,19590101,0200,4,SAO,068,1,N,1.0,1, 
OXNARD,723927,93110,19590101,0300,4,SAO,068,1,N,2.1,1, 
OXNARD,723927,93110,19590101,0400,4,SAO,315,1,N,1.0,1, 
OXNARD,723927,93110,19590101,0500,4,SAO,999,1,C,0.0,1, 
.... 

OXNARD,723927,93110,19590102,0000,4,SAO,225,1,N,2.1,1, 
OXNARD,723927,93110,19590102,0100,4,SAO,248,1,N,2.1,1, 
OXNARD,723927,93110,19590102,0200,4,SAO,999,1,C,0.0,1, 
OXNARD,723927,93110,19590102,0300,4,SAO,068,1,N,2.1,1, 

---

这里是在每行中的CSV文件存储每小时风速（SPD）的一个片段。我想要做的是每天在csv文件中选择所有小时风，并将它们存储在临时每日清单中，存储当天的每小时值（如果没有缺失值，则为24）。然后，我将输出当天的列表，为第二天创建新的空列表，在第二天定位每小时的速度，输出每日列表等等，直到文件结束。

我正在努力做一个好的方法来做到这一点。我想有一个想法是在第一行中读取，确定日期（YYYY-MM-DD），然后在第i + 1行中读取并查看该日期是否与日期i相匹配。如果他们匹配，那么我们在同一天。如果他们不这样做，那么我们将在第二天进入。但我甚至不知道如何阅读文件中的下一行...

任何建议来执行此方法或全新的（和更好的？！）方法是最受欢迎的。提前致谢！

obs_in = open(csv_file).readlines() 
for i in range(1,len(obs_in)):   
# Skip over the header lines 
if not str(obs_in[i]).startswith("Identification") and not str(obs_in[i]).startswith("Name"): 
    name,usaf,ncdc,date,hrmn,i,type,dir,q,i2,spd,q2,blank = obs_in[i].split(',') 
    current_dt = datetime.date(int(date[0:4]),int(date[4:6]),int(date[6:8])) 
    current_spd = spd 
    # Read in next line's date: is it in the same day? 
    # If in the same day, then append spd into tmp daily list 
    # If not, then start a new list for the next day 

Answer 1

它可以是这样的。

def dump(buf, date): 
    """dumps buffered line into file 'spdYYYYMMDD.csv'""" 
    if len(buf) == 0: return 
    with open('spd%s.csv' % date, 'w') as f: 
     for line in buf: 
      f.write(line) 

obs_in = open(csv_file).readlines() 
# buf stores one day record 
buf = [] 
# date0 is meant for time stamp for the buffer 
date0 = None 
for i in range(1,len(obs_in)):   
    # Skip over the header lines 
    if not str(obs_in[i]).startswith("Identification") and \ 
     not str(obs_in[i]).startswith("Name"): 
     name,usaf,ncdc,date,hrmn,ii,type,dir,q,i2,spd,q2,blank = \ 
      obs_in[i].split(',') 
     current_dt = datetime.date(int(date[0:4]),int(date[4:6]),int(date[6:8])) 
     current_spd = spd 
     # see if the time stamp of current record is different. if it is different 
     # dump the buffer, and also set the time stamp of buffer 
     if date != date0: 
      dump(buf, date0) 
      buf = [] 
      date0 = date 
     # you change this. i am simply writing entire line 
     buf.append(obs_in[i]) 

# when you get out the buffer should be filled with the last day's record. 
# so flush that too. 
dump(buf, date0) 

我还发现，我必须使用ii，而不是i的数据归档“我”，你for循环计数器使用i。

Answer 2

您可以利用数据文件的有序性，并使用csv.dictreader。然后，您可以非常简单地构建一个按日期组织的风速字典，您可以根据需要进行处理。请注意，csv阅读器会返回字符串，因此在组装列表时可能需要根据需要将其转换为其他类型。

import csv 
from collections import defaultdict 
bydate = defaultdict(list) 
rdr = csv.DictReader(open('winds.csv','rt')) 
for k in rdr: 
    bydate[k['Date']].append(float(k['Spd'])) 

print(bydate) 
defaultdict(<type 'list'>, {'19590101': [3.1000000000000001, 1.0, 1.0, 2.1000000000000001, 1.0, 0.0], '19590102': [2.1000000000000001, 2.1000000000000001, 0.0, 2.1000000000000001]}) 

可以很明显的改变参数的append调用一个元组，例如append((float(k['Spd']), datetime.datetime.strptime(k['Date']+k['HrMn'],'%Y%m%D%H%M))这样你还可以收集的时间。

如果文件有多余的空格，可以使用skipinitialspace参数：rdr = csv.DictReader(open('winds.csv','rt'), fieldnames=ff, skipinitialspace=True)。如果这仍然不起作用，你可以预先处理标题行：

bydate = defaultdict(list) 
with open('winds.csv', 'rt') as f: 
    fieldnames = [k.strip() for k in f.readline().split(', ')] 
    rdr = csv.DictReader(f, fieldnames=fieldnames, skipinitialspace=True) 
    for k in rdr: 
     bydate[k['Date']].append(k['Spd']) 
return bydate 

bydate就像一个普通的字典访问。要访问特定日期的数据，请执行bydate['19590101']。要获取已处理日期的列表，您可以执行bydate.keys()。

如果要在读取文件时将它们转换为Python日期时间对象，可以导入datetime，然后用bydate[datetime.datetime.strptime(k['Date'], '%Y%m%d')].append(k['Spd'])替换赋值行。

Answer 3

我知道这个问题是从几年前，但只是想指出，一个小bash脚本可以整齐地执行此任务。我复制你的例子到一个文件名为data.txt中，这是脚本：

#!/bin/bash 
date=19590101 
date_end=19590102 
while [[ $date -le $date_end ]] ; do 
    grep ",${date}," data.txt > file_${date}.txt 
    date=`date +%Y%m%d -d ${date}+1day` # NOTE: MAC-OSX date differs 
done 

请注意，这不会对MAC作为某种原因date命令执行不同的工作。如果文件中缺少日期，则grep命令会生成一个空文件 - 此链接显示避免此问题的方法： how to stop grep creating empty file if no results