我想在T1中读取并将它写为T2(注意两者都是.csv)。 T1包含重复的行;我不想在T2中重复写入。Filter-Out重复表条目
T1
+------+------+---------+---------+---------+
| Type | Year | Value 1 | Value 2 | Value 3 |
+------+------+---------+---------+---------+
| a | 8 | x | y | z |
| b | 10 | q | r | s |
+------+------+---------+---------+---------+
T2
+------+------+---------+-------+
| Type | Year | Value # | Value |
+------+------+---------+-------+
| a | 8 | 1 | x |
| a | 8 | 2 | y |
| a | 8 | 3 | z |
| b | 10 | 1 | q |
| ... | ... | ... | ... |
+------+------+---------+-------+
目前,我有这样的速度奇慢的代码过滤掉重复:
no_dupes = []
for row in reader:
type = row[0]
year = row[1]
index = type,age
values_list = row[2:]
if index not in no_dupes:
for i,j in enumerate(values_list):
line = [type, year, str(i+1), str(j)]
writer.writerow(line) #using csv module
no_dupes.append(index)
我不能exagerate这个代码是如何缓慢时,T1变大。
当我写入T2时,是否有更快的方式从T1中过滤出重复项?
在最低限度,要添加每次在循环中将'index'指向'no_dupes'列表。因此:(1)将'no_dupes'改为'set'并且(2)在每个循环中仅将'index'添加到'no-dupes'一次。 – hughdbrown 2013-04-09 19:45:12