查找从 CSV 文件读取的多个列表中的重复项 (Python)

Question

标题似乎令人困惑，但假设我正在使用以下 CSV 文件（“names.csv”）。

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

我的问题是，我将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”，因为这种情况至少发生了 3 次。这里真的很困惑..也许一些示例代码可以帮助我更好地理解？

到目前为止，我已经：

    import csv
    reader = csv.DictReader(open("names.csv"))

    for row in reader:
        names = [row['name1'], row['name2'], row['name3']]
        print names

这返回：

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

我从这里去哪里？或者我会做错事吗？我对Python真的很陌生（嗯，完全是编程），所以我几乎不知道我在做什么......

干杯

Answer 1

总而言之（并显示正确的 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

更新以响应评论：

无论您是否使用 DictReader 方法，您都需要通读整个 CSV 文件。例如，如果您想忽略“name2”列（而不是行），则忽略它。您不需要像使用变量名称“rows”所建议的那样保存所有数据。以下是更通用方法的代码，该方法不依赖于特定顺序的列标题，并允许选择/拒绝特定列。

    reader = csv.DictReader(f):
    required_columns = ['name1', 'name3'] #### adjust this line as needed ####
    for row in reader:
        for col in required_columns:
            name = row[col].strip()
            if name:
                d[name] += 1

Answer 2

我会这样做：

>>> 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 的字典来计算每个名称在文件中出现的次数，然后根据条件过滤字典（计数> = 3）。