Python基于唯一键与条件处理CSV数据求和问题

嘿，我完全懂你这种“Excel操作溜得飞起，但换成Python就卡壳”的感受——毕竟Excel的可视化操作太直观了，换成代码确实需要一点点逻辑转换。针对你的需求（导入CSV，按A列唯一值分组，对B列满足1990<x<2000的对应C列求和），我整理了两种实用的实现方式，从原生模块到高效工具都有：

方法一：用Python原生csv模块实现（无需额外安装库） #

如果你不想安装第三方库，用自带的csv模块就能搞定，逻辑和Excel里的“筛选+分类汇总”完全对应：

实现思路 #

1. 打开CSV文件并读取数据
2. 初始化一个字典，用来存储A列唯一值对应的C列求和结果
3. 遍历每一行数据：
   • 先判断B列的年份是否在1990到2000之间
   • 如果符合条件，就把对应C列的值累加到A列对应键的总和里
4. 最后输出或处理求和结果

完整代码 #

import csv

# 初始化存储结果的字典：key是A列的唯一值，value是对应C列的求和结果
sum_result = {}

with open('your_file.csv', 'r', newline='', encoding='utf-8') as csvfile:
    # 创建CSV读取器，同时获取表头
    reader = csv.DictReader(csvfile)
    
    for row in reader:
        # 把字符串类型的列转成数值（CSV读取的都是字符串）
        a_value = row['A']
        b_year = int(row['B'])
        c_value = int(row['C'])
        
        # 判断年份是否符合条件：1990 < 年份 < 2000
        if 1990 < b_year < 2000:
            # 如果A列值不在字典里，先初始化总和为0
            if a_value not in sum_result:
                sum_result[a_value] = 0
            # 累加C列的值
            sum_result[a_value] += c_value

# 打印最终结果
print("按A列分组的C列求和结果（仅统计B列1990-2000的数据）：")
for a_key, total in sum_result.items():
    print(f"A列值: {a_key}, 对应C列总和: {total}")

方法二：用pandas实现（大量数据场景首推） #

如果你的数据量很大，原生csv模块的效率会有点跟不上，这时候pandas就是最佳选择——它的语法和Excel的操作逻辑更贴近，代码也更简洁：

实现思路 #

1. 用pandas读取CSV文件
2. 筛选出B列年份在1990到2000之间的行
3. 按A列分组，对C列进行求和
4. 输出或保存结果

完整代码 #

import pandas as pd

# 读取CSV文件
df = pd.read_csv('your_file.csv')

# 筛选符合条件的行：B列年份大于1990且小于2000
filtered_df = df[(df['B'] > 1990) & (df['B'] < 2000)]

# 按A列分组，对C列求和
sum_result = filtered_df.groupby('A')['C'].sum()

# 打印结果（也可以用sum_result.to_csv()保存到文件）
print("按A列分组的C列求和结果：")
print(sum_result)

针对你的示例数据，运行结果会是： #

A
1    133
2     69
4     29
5     85
Name: C, dtype: int64

两种方法的适用场景 #

• 原生csv模块：适合小数据量、不想安装第三方库的场景，代码完全依赖Python自带工具
• pandas：适合大量数据处理，运行效率更高，语法更简洁，后续还能轻松扩展更多Excel风格的操作（比如排序、筛选、透视表等）

内容的提问来源于stack exchange，提问作者energyMax