如何将CSV文件数据按col1分组并整理为指定列表格式？

原始CSV数据格式 #

col1       col2    col3    col4
----       ----    ----    ----
 a          xy      11      66
 a          xz      11      66
 b          zz      99      33
 b          za      99      33

预期整理格式 #

list1 = [["a",["xy","xz"],11,66],["b",["zz","za"],99,33]]

已尝试的代码及问题 #

尝试1 #

with open(assignment_data_set) as csv_file:
    csv_reader = csv.reader(csv_file, delimiter=',')

    for row in csv_reader:
        protein[row[0]].append(row[8])
        protein[row[0]].append(row[5])
        protein[row[0]].append(row[1])

结果：

['66', 'xy', '11', '66', 'xz', '11']

问题：col2未被分组，col3出现重复条目。

尝试2 #

with open(assignment_data_set) as csv_file:
    csv_reader = csv.reader(csv_file, delimiter=',')

    for row in csv_reader:
        protein[row[0]].append(row[8])
    
    for row in csv_reader:
        protein[row[0]].append(row[5])
        protein[row[0]].append(row[1])

结果：

['66', '66']

问题：仅得到重复的col3数据。

尝试3 #

with open(assignment_data_set) as csv_file:
csv_reader = csv.reader(csv_file, delimiter=',')

for row in csv_reader:
    protein[row[0]] = [row[0],row[8],row[1]]
    protein[row[0]].append(row[5])

结果：

['a', '66', '11', 'xy']

问题：col2的第二行条目'xz'缺失，预期应为['a', '66', '11', ['xy','xz']]

正确解决方案 #

用字典按col1分组，将col2收集为列表，同时记录同一分组下的col3和col4值（假设同一col1对应的col3、col4值一致）：

import csv

protein = {}
with open('assignment_data_set.csv') as csv_file:
    csv_reader = csv.reader(csv_file, delimiter=',')
    # 跳过表头和分隔线行
    next(csv_reader)
    next(csv_reader)
    
    for row in csv_reader:
        # 注意：若你的CSV列索引与示例不同，自行替换row的索引值
        key = row[0].strip()
        col2_val = row[1].strip()
        col3_val = int(row[2].strip())
        col4_val = int(row[3].strip())
        
        if key not in protein:
            # 初始化分组结构：[col1值, col2列表, col3值, col4值]
            protein[key] = [key, [col2_val], col3_val, col4_val]
        else:
            # 仅追加col2的新值到列表
            protein[key][1].append(col2_val)

# 转换为预期的列表格式
list1 = list(protein.values())
print(list1)

说明：

• 先跳过表头和分隔线行，避免处理无关数据
• 以col1的值为字典键，每个键对应的值是目标格式的子列表
• 首次遇到新的col1值时，初始化子列表结构
• 后续遇到相同col1值时，仅将col2的值追加到对应列表中
• 最后将字典的值转为列表，即可得到预期格式

若你的CSV列索引是之前代码中的row[0], row[5], row[1], row[8]，只需替换对应索引：
col2_val = row[5].strip()、col3_val = int(row[1].strip())、col4_val = int(row[8].strip())

内容的提问来源于stack exchange，提问作者user13849712