使用Python处理CSV：按Adverse Effects关联对应Drug Name生成新表

需求说明 #

我有一个大型CSV文件，其中**B列（表头为Drug Name）**是药物名称，**D列（表头为Adverse Effects）**是该药物的所有不良反应，每行对应一种药物及其全部不良反应。需要将数据转换为按不良反应分类的结构：提取所有唯一的不良反应，关联出现该反应的所有药物，生成名为drugResults的新表。

原代码问题排查 #

原代码存在以下几个核心问题导致运行异常：

• 未初始化csv.writer/csv.DictWriter对象，直接调用writer.writeheader()会触发NameError
• 输出表头逻辑错误：将每个不良反应作为列名，不符合"按不良反应分类"的需求（正确表头应为Adverse Effect和Drug Names）
• 未处理空的不良反应条目，会生成无效的空字符串键
• 不良反应字符串清理不彻底，可能因前缀符号/空格导致重复键

修正后的完整代码 #

import csv

unique_adverse_effects = {}

# 读取原始CSV文件
with open('AntiDepressants.csv', 'r', encoding='utf-8') as csvfile:
    reader = csv.DictReader(csvfile)
    
    for row in reader:
        drug_name = row['Drug Name'].strip()
        # 处理不良反应列可能为空的情况
        adverse_effects_raw = row.get('Adverse Effects', '')
        if not adverse_effects_raw:
            continue
            
        adverse_effects = adverse_effects_raw.lower()
        # 拆分不良反应列表，兼容换行分隔的格式（可根据实际分隔符调整）
        effects_list = adverse_effects.split('\n')
        
        for effect in effects_list:
            # 清理字符串：去除首尾空白、前缀的-/*等符号，避免重复键
            effect_clean = effect.strip().lstrip('-* ')
            # 过滤空的不良反应条目
            if not effect_clean:
                continue
                
            # 关联药物与不良反应，避免重复添加同一药物
            if effect_clean not in unique_adverse_effects:
                unique_adverse_effects[effect_clean] = [drug_name]
            elif drug_name not in unique_adverse_effects[effect_clean]:
                unique_adverse_effects[effect_clean].append(drug_name)

# 生成需求的drugResults.csv文件
with open('drugResults.csv', 'w', newline='', encoding='utf-8') as csvfile:
    # 定义标准输出表头
    fieldnames = ['Adverse Effect', 'Drug Names']
    writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
    
    writer.writeheader()
    
    # 遍历写入每个不良反应及其关联药物
    for effect, drugs in unique_adverse_effects.items():
        writer.writerow({
            'Adverse Effect': effect.title(),
            'Drug Names': '\n'.join(drugs)  # 若需逗号分隔，替换为', '.join(drugs)
        })

关键修正说明 #

• 初始化csv.DictWriter并指定正确的双列表头，解决未定义writer的报错
• 增加空不良反应条目过滤，避免无效数据写入
• 优化字符串清理逻辑，兼容更多前缀符号，减少重复键的生成
• 处理药物名称的首尾空白，避免因空格导致的重复识别
• 输出文件名调整为需求中的drugResults.csv
• 可灵活调整药物名称的分隔方式（换行/逗号），适配不同展示需求

内容的提问来源于stack exchange，提问作者pythonpaul007