基于多条件聚合CSV行：用列表字典模拟数据透视表分组求和

嘿，我完全懂你想要的——不用Pandas，纯靠基础的列表和字典手动实现类似Excel透视表的分组汇总，这确实是个练手的好机会！我来给你拆解下核心思路和具体实现步骤：

核心思路 #

我们可以用嵌套字典来存储分组后的累计数据：

• 外层字典的键用(成本中心, 月份)这样的元组（因为元组是可哈希类型，能作为字典的键，完美对应唯一的分组组合）
• 内层字典用来存两类金额的累计值，比如{'金额1': 累计值, '金额2': 累计值}

遍历CSV的每一行时，我们只需要找到对应的分组键，然后把当前行的金额累加到对应的值里就行，一次遍历就能完成所有计算，效率很高。

具体代码实现 #

第一步：模拟CSV数据（或读取真实文件） #

假设你已经把CSV解析成了列表形式（如果是真实文件，用csv模块读取即可，后面会补充示例）：

# 模拟解析后的CSV数据，每行是一个字典（也可以是列表，后面会调整）
csv_data = [
    {'成本中心': 'A', '月份': '2024-01', '金额1': 100, '金额2': 50},
    {'成本中心': 'A', '月份': '2024-01', '金额1': 200, '金额2': 80},
    {'成本中心': 'B', '月份': '2024-01', '金额1': 150, '金额2': 30},
    {'成本中心': 'A', '月份': '2024-02', '金额1': 180, '金额2': 60},
    {'成本中心': 'B', '月份': '2024-02', '金额1': 220, '金额2': 70},
]

第二步：分组汇总逻辑 #

# 初始化空的汇总字典
summary_dict = {}

# 遍历每一行数据
for row in csv_data:
    # 提取当前行的关键字段
    cost_center = row['成本中心']
    month = row['月份']
    amount1 = row['金额1']
    amount2 = row['金额2']
    
    # 生成唯一的分组键（成本中心+月份的组合）
    group_key = (cost_center, month)
    
    # 如果这个分组还没在汇总字典里，初始化累计值
    if group_key not in summary_dict:
        summary_dict[group_key] = {'金额1': 0, '金额2': 0}
    
    # 把当前行的金额累加到对应分组的累计值里
    summary_dict[group_key]['金额1'] += amount1
    summary_dict[group_key]['金额2'] += amount2

第三步：转换成你需要的输出格式 #

遍历完成后，把嵌套字典转换成更易读的列表格式（比如每个元素是一个包含分组和汇总值的字典）：

# 转换为目标输出格式
final_result = []
for (cost_center, month), total_amounts in summary_dict.items():
    final_result.append({
        '成本中心': cost_center,
        '月份': month,
        '汇总金额1': total_amounts['金额1'],
        '汇总金额2': total_amounts['金额2']
    })

# 打印结果看看
for item in final_result:
    print(item)

运行后你会得到这样的输出：

{'成本中心': 'A', '月份': '2024-01', '汇总金额1': 300, '汇总金额2': 130}
{'成本中心': 'B', '月份': '2024-01', '汇总金额1': 150, '汇总金额2': 30}
{'成本中心': 'A', '月份': '2024-02', '汇总金额1': 180, '汇总金额2': 60}
{'成本中心': 'B', '月份': '2024-02', '汇总金额1': 220, '汇总金额2': 70}

处理真实大CSV文件的版本 #

如果你的文件是真实的大CSV，用Python内置的csv模块读取即可，只需要调整字段提取的方式：

import csv

summary_dict = {}

with open('your_large_file.csv', 'r', encoding='utf-8') as f:
    reader = csv.reader(f)
    # 先读取表头，找到各字段的索引
    header = next(reader)
    cc_idx = header.index('成本中心')
    month_idx = header.index('月份')
    amt1_idx = header.index('金额1')
    amt2_idx = header.index('金额2')
    
    # 逐行读取并处理
    for row in reader:
        cost_center = row[cc_idx]
        month = row[month_idx]
        # 注意把字符串转成数值类型（根据你的数据可能是int或float）
        amount1 = float(row[amt1_idx])
        amount2 = float(row[amt2_idx])
        
        group_key = (cost_center, month)
        if group_key not in summary_dict:
            summary_dict[group_key] = {'金额1': 0.0, '金额2': 0.0}
        summary_dict[group_key]['金额1'] += amount1
        summary_dict[group_key]['金额2'] += amount2

# 同样转换为目标格式
final_result = []
for (cc, month), amts in summary_dict.items():
    final_result.append({
        '成本中心': cc,
        '月份': month,
        '汇总金额1': amts['金额1'],
        '汇总金额2': amts['金额2']
    })

额外优化：排序结果 #

如果需要按成本中心和月份排序结果，用sorted()函数就行：

# 按成本中心升序，再按月份升序排序
sorted_result = sorted(final_result, key=lambda x: (x['成本中心'], x['月份']))

这个思路的好处是逻辑清晰，完全基于基础数据结构，而且时间复杂度是O(n)（n是行数），处理大文件也不会有性能问题。

内容的提问来源于stack exchange，提问作者barciewicz