0

我正在处理人们输入姓名和一些联系信息的数据。但是，由于他们无法为某些字段输入多个条目，有些人多次输入他们的名字，导致“重复”条目......

我正在尝试使用变量“标志”标记同一用户的重复条目。

对于每一行，我想要发生的是，如果该行中的名称条目与下一行中的名称条目不同，则标志条目应该增加一个。

我该怎么做呢？

这是我目前拥有的代码：

# FLAG 2

import csv

myjson = []

with(open("ieca_first_col_fake_text.txt", "rU")) as f:
     sheet = csv.DictReader(f,delimiter="\t")
     sheet.fieldnames.append('flag')
     print sheet.fieldnames
     for row in sheet:
        myjson.append(row)

flag_counter = 0
myjson[0]['flag'] = flag_counter

for i in range(len(myjson)-1):
    if myjson[i]['name'] != myjson[i+1]['name']:
       myjson[i+1]['flag'] = flag_counter + 1
    else:
       myjson[i]['flag'] = flag_counter

for i in range(len(myjson)):
    print myjson[i]

这是示例数据：

name    phone   email   website    area   degree
Diane Grant Albrecht M.S.           
Lannister G. Cersei M.A.T., CEP 111-222-3333    cersei@got.com  www.got.com
Argle D. Bargle Ed.M.           
Sam D. Man Ed.M.    000-000-1111    dman123@gmail.com   www.daManWithThePlan.com
Sam D. Man Ed.M.            
Sam D. Man Ed.M.    111-222-333     dman123@gmail.com   www.daManWithThePlan.com
D G Bamf M.S.           
Amy Tramy Lamy Ph.D.

这是对示例数据进行操作的输出：

['name', 'phone', 'email', 'website', 'flag']
{'website': '', 'phone': '', 'flag': 0, 'name': 'Diane Grant Albrecht M.S.', 'email': ''}
{'website': 'www.got.com', 'phone': '111-222-3333', 'flag': 1, 'name': 'Lannister G. Cersei M.A.T., CEP', 'email': 'cersei@got.com'}
{'website': '', 'phone': '', 'flag': 1, 'name': 'Argle D. Bargle Ed.M.', 'email': ''}
{'website': 'www.daManWithThePlan.com', 'phone': '000-000-1111', 'flag': 0, 'name': 'Sam D. Man Ed.M.', 'email': 'dman123@gmail.com'}
{'website': None, 'phone': '', 'flag': 0, 'name': 'Sam D. Man Ed.M.', 'email': None}
{'website': 'www.daManWithThePlan.com', 'phone': '111-222-333', 'flag': None, 'name': 'Sam D. Man Ed.M.', 'email': '    dman123@gmail.com'}
{'website': '', 'phone': '', 'flag': 1, 'name': 'D G Bamf M.S.', 'email': ''}
{'website': '', 'phone': '', 'flag': 1, 'name': 'Amy Tramy Lamy Ph.D.', 'email': ''}

请注意，标志不对应于所需的模式。

这是一个理想的输出（注意标志条目的差异）：

['name', 'phone', 'email', 'website', 'flag']
{'website': '', 'phone': '', 'flag': 0, 'name': 'Diane Grant Albrecht M.S.', 'email': ''}
{'website': 'www.got.com', 'phone': '111-222-3333', 'flag': 1, 'name': 'Lannister G. Cersei M.A.T., CEP', 'email': 'cersei@got.com'}
{'website': '', 'phone': '', 'flag': 2, 'name': 'Argle D. Bargle Ed.M.', 'email': ''}
{'website': 'www.daManWithThePlan.com', 'phone': '000-000-1111', 'flag': 3, 'name': 'Sam D. Man Ed.M.', 'email': 'dman123@gmail.com'}
{'website': None, 'phone': '', 'flag': 3, 'name': 'Sam D. Man Ed.M.', 'email': None}
{'website': 'www.daManWithThePlan.com', 'phone': '111-222-333', 'flag': 3, 'name': 'Sam D. Man Ed.M.', 'email': '    dman123@gmail.com'}
{'website': '', 'phone': '', 'flag': 4, 'name': 'D G Bamf M.S.', 'email': ''}
{'website': '', 'phone': '', 'flag': 5, 'name': 'Amy Tramy Lamy Ph.D.', 'email': ''}
4

1 回答 1

0

编辑：这个循环对我有用（按预期输出）：

for i in range(len(myjson)-1):
    if myjson[i]['name'] != myjson[i+1]['name']:
        print "not same" ,myjson[i]['name'] ,' ', myjson[i+1]['name']
        flag_counter = flag_counter + 1
        myjson[i+1]['flag'] = flag_counter
    else:
        print 'equal', myjson[i]['name'] ,' ', myjson[i+1]['name']
        myjson[i]['flag'] = flag_counter

请注意，我必须手动格式化 csv 文件（制表符不是制表符，而是空格）。确保它在您的文件中是正确的。名称必须完全正确，不允许额外的空格

但我不确定这是否是唯一的错误，因为有许多危险的“一个接一个”陷阱。如果它仍然不起作用，只需更新您的输出和代码，我们会看到！

于 2013-07-08T19:39:55.420 回答