Python仅用内置csv模块筛选处理CSV 实现教授-学生关联分组

1. 处理该类需求时，直接修改原CSV文件还是新建输出CSV文件更合理？ #

优先选择新建输出CSV文件，不建议直接修改原文件，原因非常实际：

• 首先是保障原始数据安全。原CSV是最基础的数据源，直接在原文件上做修改如果遇到代码逻辑bug、写入中断异常，很容易污染甚至损坏原始数据，没有回退余地。把原文件作为只读输入源，处理结果写入新文件，等校验输出结果完全符合预期后，再根据需要决定是否备份原文件、替换版本，风险几乎为零。
• 其次本次转换不属于原表结构内的字段修改操作，是完全重构了表结构：原表是单个人物占一行的平铺结构，列分别为人员、职业、伴侣、喜欢的颜色；输出是按教授分组的层级结构，列定义完全更换，硬在原文件上修改反而需要额外写很多结构兼容逻辑，平白增加复杂度。

2. 仅使用Python内置csv模块是否足以实现该需求，是否必须使用pandas模块？ #

仅使用Python内置的csv模块完全可以实现需求，pandas不是必选项。
这个需求的处理逻辑非常简单，用内置模块实现没有任何卡点，流程如下：

• 读取阶段：用csv.DictReader加载原CSV所有行，在内存中构建两个映射字典即可：一个存教授信息，键为教授姓名，值为教授对应的favorite_color；另一个存学生分组映射，键为学生关联的partner（即对应教授）姓名，值为该教授名下所有学生的（姓名、favorite_color）列表——毕竟示例里Benny就对应3个学生，用列表存储刚好适配一对多的关系。
• 构造输出阶段：按顺序遍历每一位教授，先写入教授行：V_I_P列填带**标记的教授名、color列填教授喜欢的颜色，sidekick和sidekick_color列留空；再遍历该教授关联的所有学生，逐行写入学生行：前两列留空，sidekick列填学生姓名、sidekick_color列填学生喜欢的颜色。
• 写入阶段：用csv.writer把构造好的所有行写入新的输出CSV即可，全程不需要安装任何第三方依赖。
  如果是超大规模数据、或者后续还有复杂的聚合统计需求，用pandas可以减少部分代码量，但对于这个轻量转换场景，内置csv模块完全够用，没必要额外安装第三方库。

内容的提问来源于stack exchange，提问作者senpai