如何优化按条件从CSV提取活跃账户列表的代码？

1. active列使用True/False替代0/1是否更合理？ #

是的，用布尔值（True/False）替代0/1在语义可读性上更优，代码逻辑会更直观：

• 原代码需要df[df["active"].isin([1])]，改用布尔值后可以直接写df[df["active"]]，更贴合自然语言逻辑；
• 布尔类型在内存占用上也比整数略小（pandas中bool类型占1字节，int类型通常占4/8字节）。

但需要考虑兼容性：

• 如果这份CSV需要和老系统交互，对方仅识别0/1的话，暂时不适合修改；
• 如果可以调整CSV格式，读取时可以指定pd.read_csv(..., dtype={'active': bool})，或者用df['active'] = df['active'].astype(bool)转换现有列。

2. 可以不依赖pandas实现该功能 #

完全可以用Python标准库的csv模块实现，无需额外安装依赖，适合轻量场景：

基础实现代码 #

import csv

def get_active_accounts(csv_path):
    active_accounts = []
    with open(csv_path, 'r', newline='', encoding='utf-8') as f:
        # 按字典格式读取CSV，表头作为键
        reader = csv.DictReader(f)
        # 遍历每一行，筛选active为'1'的账户
        for row in reader:
            if row['active'] == '1':
                active_accounts.append(row['accounts'])
    return active_accounts

# 调用示例
active_accounts = get_active_accounts(accounts_csv_path)

简化版（列表推导式） #

import csv

with open(accounts_csv_path, 'r', newline='', encoding='utf-8') as f:
    reader = csv.DictReader(f)
    active_accounts = [row['accounts'] for row in reader if row['active'] == '1']

注意：CSV文件读取的所有字段默认是字符串类型，所以判断时要和'1'比较，而非整数1。如果后续要处理超大规模数据，pandas的向量化操作效率会更高，但小数据量下标准库足够高效。

内容的提问来源于stack exchange，提问作者Alex