如何基于CSV随机样本匹配ID更新指定列并保存文件？

要实现你的需求，我们可以通过以下步骤完成：

1. 读取原始CSV文件并将所有行转为字典列表，方便按列名操作
2. 随机选取500行样本，提取这些样本的唯一ID存入集合（用于快速查找）
3. 遍历原始CSV的每一行，检查其ID是否在抽样集合中，若是则更新winner列
4. 将修改后的内容写入新的CSV文件

下面是完整的代码实现，包含详细注释：

import csv
import random

# 配置参数
INPUT_CSV = "Original.csv"
OUTPUT_CSV = "Updated_Original.csv"
SAMPLE_SIZE = 500
WINNER_VALUE = "Yes"  # 抽样行的winner值，可自定义
NON_WINNER_VALUE = "No"  # 非抽样行的winner值，若不需要修改可注释相关代码

def update_winner_based_on_sample():
    # 1. 读取原始CSV文件，转为字典列表
    with open(INPUT_CSV, mode='r', newline='', encoding='utf-8') as infile:
        reader = csv.DictReader(infile)
        rows = list(reader)
        
        # 检查样本数量是否超过总行数，避免报错
        if len(rows) < SAMPLE_SIZE:
            print(f"注意：原始文件仅包含{len(rows)}行，已全部选取作为样本")
            sample_rows = rows
        else:
            # 2. 随机选取指定数量的样本行
            sample_rows = random.sample(rows, SAMPLE_SIZE)
        
        # 提取样本行的ID，存入集合（集合查找效率远高于列表）
        sample_ids = {row['ID'] for row in sample_rows}
        
        # 3. 遍历所有行，更新winner列
        for row in rows:
            if row['ID'] in sample_ids:
                row['winner'] = WINNER_VALUE
            else:
                # 若不需要修改非抽样行的winner值，可删除下面这行
                row['winner'] = NON_WINNER_VALUE
        
        # 4. 将修改后的内容写入新CSV文件
        with open(OUTPUT_CSV, mode='w', newline='', encoding='utf-8') as outfile:
            writer = csv.DictWriter(outfile, fieldnames=reader.fieldnames)
            writer.writeheader()  # 写入表头
            writer.writerows(rows)  # 写入所有行

if __name__ == "__main__":
    update_winner_based_on_sample()
    print(f"处理完成，结果已保存至{OUTPUT_CSV}")

关键说明： #

• 使用csv.DictReader和csv.DictWriter可以直接通过列名（如row['ID']、row['winner']）操作数据，比按索引更直观且不易出错
• 将抽样ID存入集合sample_ids，是因为集合的成员检查操作时间复杂度为O(1)，远快于列表的O(n)，处理大文件时效率更高
• 增加了样本数量的判断，避免当原始文件行数不足500时random.sample抛出异常
• 你可以根据需求自定义WINNER_VALUE和NON_WINNER_VALUE，如果不需要修改非抽样行的winner值，只需删除else分支的代码即可

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