Python实现按userId分组CSV数据为字典数组（不依赖pandas）

问题原因 #

现有代码仅在遍历到不同的新用户ID时，才会将上一个用户的聚合结果写入返回数组，遍历完成后最后一个用户的聚合数据没有被追加到结果中，会出现缺失最后一条用户记录的问题。

修正后代码 #

仅需在循环结束后补充最后一条用户记录的写入逻辑即可，完整代码如下：

def get_body(batch):
    result = []
    record = {}
    scores = []
   
    for row in batch:
        if 'userId' in record and record['userId'] != row[0]:
            result.append({'userId': record['userId'], 'scores': scores})
            record = {}
            scores = []
        
        if 'userId' not in record:
            record['userId'] = row[0]

        scores.append({'movieId': row[1], 'score': float(row[2])})
    # 新增：追加最后一个用户的聚合结果
    if record:
        result.append({'userId': record['userId'], 'scores': scores})
    return result

使用示例 #

你可以配合Python标准库csv读取目标CSV文件完成处理，无需引入第三方依赖：

import csv

if __name__ == "__main__":
    # 替换为你的CSV文件实际路径
    with open('data.csv', 'r', encoding='utf-8') as f:
        csv_reader = csv.reader(f)
        # 若你的CSV文件包含表头行，取消注释下行跳过表头
        # next(csv_reader)
        output = get_body(csv_reader)
        print(output)

针对你给出的示例输入，上述代码输出完全符合预期格式。

内容的提问来源于stack exchange，提问作者lak