嘿，这个需求挺直观的，我来一步步给你拆解怎么搞定它～

核心思路 #

咱们要做的事儿其实分几步：

• 读取sample.csv的内容，注意要跳过表头和那行分隔线（就是---- --- --- ----那一行）
• 逐行提取SEX列的取值（M/F）
• 统计这两个值的出现次数
• 按要求的格式输出结果

代码实现 #

下面给你两种常用的实现方式，按需选就行：

方式一：用Python内置csv模块（无需额外安装库） #

这个方法适合不想折腾第三方库的场景，纯原生代码就能搞定：

import csv

# 初始化计数器
male_count = 0
female_count = 0

# 打开CSV文件并读取内容
with open('sample.csv', 'r') as file:
    # 创建CSV阅读器，指定空格为分隔符
    reader = csv.reader(file, delimiter=' ')
    # 跳过前两行：表头和分隔线
    next(reader)
    next(reader)
    
    # 遍历每一行数据
    for row in reader:
        # 过滤掉空字符串（因为是空格分隔，会产生空元素），取SEX列
        sex = [col for col in row if col][2]
        if sex == 'M':
            male_count += 1
        elif sex == 'F':
            female_count += 1

# 按要求格式输出结果
print(f"M : {male_count} F : {female_count}")

小提示：因为你的CSV是用空格分隔的，连续空格会产生空元素，所以用列表推导式过滤后再取对应列，避免出错。

方式二：用pandas库（更简洁，适合数据处理场景） #

如果你平时经常和数据打交道，装个pandas会让代码短很多：
首先先安装pandas（如果没装的话）：

pip install pandas

然后写代码：

import pandas as pd

# 读取CSV，跳过第二行的分隔线，匹配任意数量空格作为分隔符
df = pd.read_csv('sample.csv', skiprows=[1], sep='\s+')

# 统计SEX列的取值次数
sex_counts = df['SEX'].value_counts()

# 格式化输出，用get()避免某个性别不存在时报错
print(f"M : {sex_counts.get('M', 0)} F : {sex_counts.get('F', 0)}")

小提示：sep='\s+'能自动处理多个连续空格的情况，比手动过滤省心多了。

测试结果 #

用你给的sample.csv测试，两种方法都会输出：

M : 2 F : 2

内容的提问来源于stack exchange，提问作者thepajama