我有一个很大的 csv 文件,它是调用者数据的日志。
我的文件示例:
CompanyName High Priority QualityIssue
Customer1 Yes User
Customer1 Yes User
Customer2 No User
Customer3 No Equipment
Customer1 No Neither
Customer3 No User
Customer3 Yes User
Customer3 Yes Equipment
Customer4 No User
我的代码目前可以对数据进行排序,因此我可以获得排名靠前的调用者。
但是,接下来我需要为该调用者查找他们的调用类型的计数。然后像下面这样格式化一个 csv:
Top Calling Customers, Equipment, User, Neither,
Customer 3, 2, 2, 0,
Customer 1, 0, 2, 1,
Customer 2, 0, 1, 0,
Customer 4, 0, 1, 0,
我已经尝试了 groupby、计数器和循环的各种组合,但我终究无法通过第一列。
这是我必须对顶级来电客户进行排序的代码:
data = pandas.read_csv('Copy of HEAT Data.csv', delimiter =',')
TopCustomerCallers = data['CompanyName'].value_counts()
但是,原始问题仍然存在,我现在必须使用 TopCustomerCallers 来计算 QualityIssue 并对其进行排序。希望这个问题是有道理的。
edit:取出一个包含完全不相关信息的示例文件并添加一个新示例。还把之前的70行代码去掉,换成了我问问题后想出来的两行代码。
编辑:更多示例数据。实际数据超过 5000 行并进入 AA 列,但我只对客户的频率及其调用类型感兴趣。
请您参考如下方法:
from collections import defaultdict, OrderedDict
counts = defaultdict(lambda: {"User": 0, "Equipment": 0, "Neither": 0})
with open('filename.tsv', 'rb') as fh:
reader = csv.reader(fh, delimiter='\t') # assuming it's formatted like your example above
for row in reader:
company, calltype = row[0], row[2]
counts[company][calltype] += 1
此时,您有如下所示的内容:
In [14]: dict(counts)
Out[14]:
{'Customer1': {'Equipment': 0, 'Neither': 1, 'User': 2},
'Customer2': {'Equipment': 0, 'Neither': 0, 'User': 1},
'Customer3': {'Equipment': 2, 'Neither': 0, 'User': 2},
'Customer4': {'Equipment': 0, 'Neither': 0, 'User': 1}}
根据您希望此输出的结构,它可能就像调用 csv.DictWriter 一样简单,或者您可能想利用 collections.OrderedDict在编写项目之前对其进行排序。
编辑:例如,要将这个 defaultdict 变成一个 OrderedDict,您可以这样做:
sorted_counts = OrderedDict(sorted(counts.iteritems(), key=lambda counts_tup: sum(counts_tup[1].values())))
