如何修改Python代码读取CSV垂直列数据并统计三元组模式？

你只需要把手动定义的data列表替换为从CSV文件读取的列数据，以下是两种实用修改方法：

方法1：用Python内置csv模块（无需额外安装依赖） #

完整代码如下，核心是读取CSV指定列并转为列表，原统计逻辑完全保留：

import csv

# 从CSV读取目标列数据到列表
data = []
# 替换成你的CSV文件实际路径，比如'./my_data.csv'
with open('your_data.csv', 'r', newline='', encoding='utf-8') as csvfile:
    reader = csv.reader(csvfile)
    # 如果CSV文件没有表头，删掉这一行
    next(reader)
    for row in reader:
        # 取每行第一列数据，要读其他列就改索引（第二列是row[1]）
        if row:  # 跳过空行避免报错
            data.append(row[0])

# 以下是原统计逻辑，无需修改
pattern_counts = {}

for i in range(len(data)-2):
    pattern = str(data[i]) + str(data[i+1]) + str(data[i+2])
    if pattern in pattern_counts:
        pattern_counts[pattern] += 1
    else:
        pattern_counts[pattern] = 1

for pattern, count in pattern_counts.items():
    print("{}: {}".format(pattern, count))

方法2：用pandas库（代码更简洁，需先执行pip install pandas安装） #

如果习惯用数据分析工具，pandas能更高效处理列数据：

import pandas as pd

# 读取CSV文件，替换为你的文件路径
df = pd.read_csv('your_data.csv')
# 替换为目标列的列名，比如'value_col'；用df.iloc[:,0]可直接按索引取第一列
data = df['value_col'].dropna().tolist()  # dropna()自动过滤空值

# 原统计逻辑完全保留
pattern_counts = {}

for i in range(len(data)-2):
    pattern = str(data[i]) + str(data[i+1]) + str(data[i+2])
    if pattern in pattern_counts:
        pattern_counts[pattern] += 1
    else:
        pattern_counts[pattern] = 1

for pattern, count in pattern_counts.items():
    print("{}: {}".format(pattern, count))

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