C++如何实现读取CSV后将单个DataFrame按类别拆分为多个DataFrame

实现逻辑 #

• 逐行读取解析CSV内容，自动识别表头和数据行
• 以指定分类列为key，通过哈希表维护不同类别对应的独立DataFrame
• 遍历数据行按分类值归入对应DataFrame，最终可直接按分类取对应结构化数据
• 以下实现无第三方依赖，自定义简易DataFrame结构，兼容逗号、空格两种常见CSV分隔符

完整实现代码 #

#include <iostream>
#include <fstream>
#include <sstream>
#include <string>
#include <vector>
#include <unordered_map>

// 自定义简易DataFrame结构
struct DataFrame {
    std::vector<std::string> columns; // 存储列名
    std::vector<std::vector<std::string>> rows; // 存储所有行数据

    // 打印DataFrame内容，用于结果校验
    void print() const {
        // 打印表头
        for (size_t i = 0; i < columns.size(); i++) {
            std::cout << columns[i];
            if (i != columns.size() - 1) std::cout << "\t";
        }
        std::cout << "\n";
        // 逐行打印数据
        for (const auto& row : rows) {
            for (size_t i = 0; i < row.size(); i++) {
                std::cout << row[i];
                if (i != row.size() - 1) std::cout << "\t";
            }
            std::cout << "\n";
        }
    }
};

// 按分隔符拆分字符串的工具函数，自动去除字段前后空格
std::vector<std::string> split(const std::string& s, char delimiter) {
    std::vector<std::string> tokens;
    std::string token;
    std::istringstream tokenStream(s);
    while (std::getline(tokenStream, token, delimiter)) {
        size_t start = token.find_first_not_of(" ");
        size_t end = token.find_last_not_of(" ");
        if (start != std::string::npos) {
            tokens.push_back(token.substr(start, end - start + 1));
        }
    }
    return tokens;
}

int main() {
    const std::string csv_path = "your_file.csv"; // 替换为实际CSV文件路径
    const char delimiter = ','; // 空格分隔的CSV改为' '即可
    const std::string group_col = "fruit"; // 指定用于分组的列名
    std::ifstream file(csv_path);

    if (!file.is_open()) {
        std::cerr << "无法打开目标CSV文件" << std::endl;
        return 1;
    }

    std::string line;
    // 读取并解析表头
    std::getline(file, line);
    std::vector<std::string> columns = split(line, delimiter);
    // 定位分组列的索引位置
    int group_col_idx = -1;
    for (size_t i = 0; i < columns.size(); i++) {
        if (columns[i] == group_col) {
            group_col_idx = i;
            break;
        }
    }
    if (group_col_idx == -1) {
        std::cerr << "CSV中不存在指定的分组列" << std::endl;
        return 1;
    }

    // 按分组存储DataFrame：key为分类值，value为对应类别的独立DataFrame
    std::unordered_map<std::string, DataFrame> group_dfs;
    while (std::getline(file, line)) {
        if (line.empty()) continue; // 跳过空行
        std::vector<std::string> row = split(line, delimiter);
        std::string group_key = row[group_col_idx];
        // 首次出现的分类先初始化表头
        if (group_dfs.find(group_key) == group_dfs.end()) {
            group_dfs[group_key].columns = columns;
        }
        group_dfs[group_key].rows.push_back(row);
    }
    file.close();

    // 输出拆分结果
    int df_idx = 1;
    for (const auto& pair : group_dfs) {
        std::cout << "dataframe " << df_idx << ":\n";
        pair.second.print();
        std::cout << "\n";
        df_idx++;
    }

    return 0;
}

使用说明 #

• 将代码中csv_path变量替换为实际CSV文件的本地路径
• 若CSV和示例格式一致，使用多空格作为字段分隔符，将delimiter变量值改为' '即可
• 若需要更换分组维度，修改group_col变量为目标列名即可
• 代码默认以字符串类型存储所有字段，若需要做数值计算，可在解析行时将对应字段转为int/double类型存储

运行输出效果 #

程序运行后输出的拆分结果和预期完全一致：

dataframe 1:
fruit	time	price
apple	2022	18
apple	2023	19

dataframe 2:
fruit	time	price
banana	2022	30
banana	2023	32

内容的提问来源于stack exchange，提问作者inv inv