如何将CSV值动态存入数组并按相同Price聚合更新DataFrame的PriceQ

这个场景下**字典（哈希表）**是最合适的选择，核心原因是它可以通过Price作为键实现O(1)时间复杂度的查找、插入和更新，远优于用数组遍历匹配的O(n)查找效率，尤其适合CSV数据量较大的场景。

• 初始化空字典，键存储Price值，值存储对应Price的累计PriceQ
• 逐行读取CSV数据，跳过表头行后，对每行做如下处理：
  1. 提取当前行的Price和PriceQ，统一转为数值类型避免匹配异常
  2. 判断Price是否已存在于字典的键中：
     • 存在：直接将字典中对应的值加上当前行的PriceQ
     • 不存在：将Price作为新键，当前行的PriceQ作为初始值存入字典
• 全量CSV读取完成后，直接将字典转为目标DataFrame即可

如果你需要严格逐行处理的场景，可以用以下逻辑实现：

import csv
import pandas as pd

price_q_map = {}

# 逐行读取CSV
with open('你的文件路径.csv', 'r') as f:
    reader = csv.DictReader(f)
    for row in reader:
        price = float(row['Price'])
        price_q = int(row['PriceQ'])
        if price in price_q_map:
            price_q_map[price] += price_q
        else:
            price_q_map[price] = price_q

# 转为目标DataFrame
result_df = pd.DataFrame(price_q_map.items(), columns=['Price', 'PriceQ'])

如果没有强制逐行处理要求，全量读入后直接用pandas分组聚合即可一行得到结果：

import pandas as pd
df = pd.read_csv('你的文件路径.csv')
result_df = df.groupby('Price', as_index=False)['PriceQ'].sum()

内容的提问来源于stack exchange，提问作者Luis98