如何将数据插入CSV指定列？插入第二列失败求助

问题说明 #

现有代码试图创建包含Date和Rotifer Count列的CSV文件，读取文件夹内文件日期并通过机器学习模型统计每日检测数，但存在两个问题：

• 第二批统计数据（Rotifer Count）无法写入第二列，始终追加到第一列的末尾
• 使用columns([])指定列时触发KeyError

问题根源 #

1. 代码将日期数据和计数数据分两次循环单独追加写入CSV，每次写入的都是单列数据，CSV的追加模式会默认将新数据放到下一行，而非指定列
2. 两次循环的逻辑没有关联，无法保证日期和计数的行对应关系，导致数据完全错位
3. 直接用pd.DataFrame([单值])生成的是单列表格，写入时无法匹配已有的两列结构

修复方案 #

核心思路是先将日期和对应计数配对成完整的行数据，再统一写入CSV，避免分两次单独追加。具体步骤：

• 先收集所有日期数据和对应计数数据到同一个数据结构中
• 组装成符合列结构的DataFrame后一次性写入，或者逐行写入完整的两行数据

修改后的完整代码 #

import csv
import os
import datetime
import pandas as pd
from PIL import Image
# 假设model已提前加载，current_frame已初始化

# 1. 初始化存储数据的列表，每个元素是[日期, 轮虫计数]
data_rows = []

# 2. 处理日期数据，收集所有目标日期
org_images_path = fr"/wormbot/{lifespan_number}"
file_prefix = "frame"
img_list = sorted(os.listdir(org_images_path))
img_list = [img_name for img_name in img_list if img_name.startswith(file_prefix)]

date_list = []
for index, img_name in enumerate(img_list):
    if index % 2 == 0:
        image_path = os.path.join(org_images_path, img_name)
        get_image = os.path.getmtime(image_path)
        date_number = datetime.datetime.fromtimestamp(get_image).day
        date_list.append(date_number)

# 3. 处理计数数据，收集对应检测数
count_list = []
output_crop = "你的output_crop实际路径"  # 替换为真实路径
for image in sorted(os.listdir(output_crop)):
    if image.endswith('.jpg'):
        image_path = os.path.join(output_crop, image)
        img = Image.open(image_path)
        results = model(img, conf=.19, verbose=False, max_det=5)
        counts = {}
        for result in results:
            boxes = result.boxes.cpu().numpy()
            for box in boxes:
                cls = int(box.cls[0])
                counts[cls] = counts.get(cls, 0) + 1  # 简化计数逻辑，避免重复判断
        # 用get方法直接获取对应类别计数，不存在则返回0，避免KeyError
        alive = str(counts.get(key, 0))  # key需根据模型实际类别调整，比如0代表存活轮虫
        count_list.append(alive)
        current_frame += 1
        img.close()

# 4. 配对日期和计数，取两者较短长度避免索引越界
min_length = min(len(date_list), len(count_list))
for i in range(min_length):
    data_rows.append([date_list[i], count_list[i]])

# 5. 写入CSV文件
csv_path = fr"/home/lm/anaconda3/envs/yolov8_rotiferdetect/CSV_files/exp_{lifespan_number}.csv"
with open(csv_path, 'w', newline='') as csvfile:
    filewriter = csv.writer(csvfile, delimiter=',', quotechar='|', quoting=csv.QUOTE_MINIMAL)
    filewriter.writerow(['Date', 'Rotifer Count'])
    filewriter.writerows(data_rows)

# 也可以用pandas简化写入：
# df = pd.DataFrame(data_rows, columns=['Date', 'Rotifer Count'])
# df.to_csv(csv_path, index=False)

关键优化点 #

• 用counts.get(cls, 0)替代原有的判断逻辑，简化代码同时避免KeyError
• 将日期和计数分别收集到列表后再配对，保证每行数据的完整性
• 一次性写入所有行数据，避免分多次追加导致的列错位问题
• 新增行数校验，避免因两个文件夹文件数量不一致导致的索引错误

内容的提问来源于stack exchange，提问作者Colton Pelletier