CSV数据按Serial_Num分组并保留坐标顺序的实现方法

嘿，这个需求我太熟悉了！要给CSV里的GPS数据按Serial_Num分组，同时严格保留原始数据的顺序（包括分组的先后顺序，以及每个组内GPS坐标的顺序），其实有几个非常实用的实现方式，我给你详细说说：

方案一：用Python标准库实现（无需第三方依赖） #

如果你不想引入额外库，用Python自带的collections.defaultdict就完美解决——从Python 3.7开始，普通字典已经默认保持插入顺序了，而defaultdict继承了这个特性，同时能自动帮你初始化每个分组的列表。

代码示例： #

import csv
from collections import defaultdict

# 初始化分组容器：键是Serial_Num，值是对应GPS坐标的列表（保持原始顺序）
gps_groups = defaultdict(list)

# 读取CSV并按顺序分组
with open('your_data.csv', 'r', newline='') as f:
    reader = csv.DictReader(f)
    # 按原始行顺序遍历每一条数据
    for row in reader:
        serial_num = row['Serial_Num']
        # 假设GPS坐标是由Latitude和Longitude两列组成，你可以根据实际调整
        gps_coord = (float(row['Latitude']), float(row['Longitude']))
        # 把坐标按顺序加入对应分组
        gps_groups[serial_num].append(gps_coord)

# 后续遍历的时候，分组顺序就是Serial_Num第一次出现的顺序，组内坐标也是原始顺序
for serial, coords in gps_groups.items():
    print(f"Serial {serial}的GPS坐标序列：")
    for coord in coords:
        print(coord)

这个方案的核心是按原始数据的行顺序遍历并添加，所以不管是分组的先后，还是每个组内的坐标顺序，都和原始CSV完全一致，完全满足绘图的遍历需求。

方案二：用Pandas实现（适合处理大规模数据） #

如果你的数据量比较大，或者需要更灵活的数据分析操作，用Pandas的groupby会更高效——Pandas的groupby默认会保留分组键的首次出现顺序，而且处理起来更简洁。

代码示例： #

import pandas as pd

# 读取CSV数据
df = pd.read_csv('your_data.csv')

# 按Serial_Num分组，把每个组的GPS坐标合并成有序列表
# 这里假设GPS列是Latitude和Longitude，你可以根据实际列名调整
gps_groups = df.groupby('Serial_Num', sort=False).apply(
    lambda x: list(zip(x['Latitude'], x['Longitude']))
).to_dict()

# 遍历的时候同样保留原始顺序
for serial, coords in gps_groups.items():
    print(f"Serial {serial}的GPS坐标序列：")
    for coord in coords:
        print(coord)

这里要注意加上sort=False，确保Pandas不会对分组键进行排序，严格保留原始出现顺序。

为什么之前的字典方案可能有顾虑？ #

如果是Python 3.6及更早版本，普通字典是无序的，这时候用collections.OrderedDict替代普通字典就可以解决；但从3.7开始，字典默认有序，所以用defaultdict完全没问题。不管哪种情况，只要按原始行顺序遍历并添加元素，就能保证组内和分组的顺序都符合要求。

内容的提问来源于stack exchange，提问作者BruceWayne