如何统计JSON转换的CSV文件中各属性编码的出现频次？

这里提供两种实用的Python实现方案，帮你快速统计属性编码的出现次数，并输出符合习惯的结构化结果：

方法一：使用Python内置CSV模块（无需额外依赖） #

适合不想安装第三方库的轻量场景：

import csv
from collections import defaultdict

# 初始化计数器
code_counter = defaultdict(int)

# 读取目标CSV文件
with open('你的文件.csv', 'r', encoding='utf-8') as file:
    csv_reader = csv.reader(file)
    for row in csv_reader:
        # 跳过第一列的key值，遍历后续所有属性编码
        for code in row[1:]:
            # 忽略空字符串（避免统计无效空值）
            if code.strip():
                code_counter[code] += 1

# 打印结构化结果
print("属性编码\t出现次数")
for code, count in code_counter.items():
    print(f"{code}\t{count}")

# 保存为列结构固定的CSV文件（方便后续处理）
with open('属性编码统计结果.csv', 'w', newline='', encoding='utf-8') as output_file:
    writer = csv.writer(output_file)
    writer.writerow(['属性编码', '出现次数'])
    for code, count in code_counter.items():
        writer.writerow([code, count])

方法二：使用Pandas库（代码更简洁高效） #

如果你熟悉Pandas，这种方式处理大文件更省心：

import pandas as pd
from collections import Counter

# 读取CSV，不指定表头（因第一列是key，后续列无固定表头）
df = pd.read_csv('你的文件.csv', header=None)

# 合并所有属性编码列并统计次数
all_codes = df.iloc[:, 1:].stack().dropna()
code_counts = Counter(all_codes)

# 转换为结构化DataFrame
result_df = pd.DataFrame(list(code_counts.items()), columns=['属性编码', '出现次数'])

# 打印结果
print(result_df)

# 保存为结构化CSV
result_df.to_csv('属性编码统计结果.csv', index=False, encoding='utf-8')

注意事项 #

• 替换代码中的你的文件.csv为实际文件名，确保文件路径正确。
• 最终生成的统计结果CSV是列结构固定的结构化数据，第一列是属性编码，第二列是对应出现次数，完全匹配你的处理习惯。

内容的提问来源于stack exchange，提问作者Mark Fantino