Python实现：基于CSV文件列标题生成含Numpy数组的字典

我来帮你修复这个函数，先拆解下原代码里的几个核心问题，再给出能实现需求的完整方案：

原代码的问题点 #

• 重复IO操作：每次遍历列都重新打开并读取整个文件，这会浪费大量资源，效率极低
• 字典操作错误：Python的dict对象没有append方法，你应该是想给对应键的列表添加元素，但没先初始化空列表
• 表头判断逻辑错误：用if col in row来匹配列名，会把数据行里恰好等于列名的内容误判为表头，完全不符合CSV的结构逻辑
• 未转换为NumPy数组：最后没有把收集到的列表转成需求的numpy数组

修正后的方案（使用csv.DictReader，更简洁） #

这个版本利用csv.DictReader直接按列名读取数据，逻辑清晰，代码简洁：

import csv
import numpy as np

def columndata(filename, columns):
    # 初始化字典，每个目标列对应一个空列表
    column_data = {col: [] for col in columns}
    
    # 只打开一次文件，避免重复IO
    with open(filename, 'r', encoding='utf-8') as filein:
        # DictReader会自动把第一行作为表头，支持直接通过列名取数
        reader = csv.DictReader(filein)
        
        for row in reader:
            for col in columns:
                # 处理类型转换：CSV默认读取的是字符串，这里转成float，可按需调整
                # 若有缺失值，可在这里替换为np.nan
                try:
                    value = float(row[col])
                except ValueError:
                    # 无法转成数值时，保留原字符串或自定义处理
                    value = row[col]
                column_data[col].append(value)
    
    # 将每个列的列表转换为NumPy数组
    for col in columns:
        column_data[col] = np.array(column_data[col])
    
    return column_data

另一种方案（使用基础csv.reader，更底层可控） #

如果你需要更底层的控制，比如先确认表头索引，可以用这个版本：

import csv
import numpy as np

def columndata(filename, columns):
    column_data = {col: [] for col in columns}
    
    with open(filename, 'r', encoding='utf-8') as filein:
        reader = csv.reader(filein)
        # 读取第一行作为表头
        header = next(reader)
        # 建立列名到索引的映射，快速定位列位置
        col_indices = {col: header.index(col) for col in columns}
        
        for row in reader:
            for col in columns:
                idx = col_indices[col]
                try:
                    value = float(row[idx])
                except ValueError:
                    value = row[idx]
                column_data[col].append(value)
    
    # 转换为NumPy数组
    for col in columns:
        column_data[col] = np.array(column_data[col])
    
    return column_data

额外提示 #

• 如果你的CSV文件有特殊编码（比如GBK），可以在open时指定encoding='gbk'
• 若存在缺失值，可在except块中将value设为np.nan，方便后续数值计算
• 如果需要整数类型，可把float换成int，但要注意处理无法转换为整数的场景

内容的提问来源于stack exchange，提问作者user8679420