如何用Python从CSV文件识别并统计唯一国家代码的出现次数

嘿，这个需求很常见，我给你分享几种实用的实现方式，从基础手动统计到高效工具都有～

方法1：手动用字典统计（基础版） #

你可以自己初始化一个空字典，遍历过程中逐个更新每个国家代码的计数，适合理解底层逻辑：

import csv
country_counts = {}

with open('2017CountryData.csv') as csvfile:
    readCSV = csv.reader(csvfile, delimiter=',')
    # 重要提醒：如果你的CSV第一行是表头（比如"Country Code"这类），记得先跳过这行
    next(readCSV)  # 去掉这行如果没有表头
    
    for row in readCSV:
        country_code = row[1]
        # 判断代码是否已在字典中，更新计数
        if country_code in country_counts:
            country_counts[country_code] += 1
        else:
            country_counts[country_code] = 1

# 打印最终统计结果
for code, count in country_counts.items():
    print(f"{code}: {count}")

方法2：用collections.Counter（推荐，简洁高效） #

Python标准库的collections.Counter就是专门用来做元素计数的工具，代码会简洁很多：

import csv
from collections import Counter

with open('2017CountryData.csv') as csvfile:
    readCSV = csv.reader(csvfile, delimiter=',')
    next(readCSV)  # 跳过表头（按需保留）
    # 用生成器表达式直接把所有国家代码传给Counter
    country_counts = Counter(row[1] for row in readCSV)

# 打印所有统计结果
for code, count in country_counts.items():
    print(f"{code}: {count}")

# 额外技巧：如果想找出现次数最多的前N个国家代码，用most_common()
# print(country_counts.most_common(3))  # 输出出现次数前三的代码和计数

方法3：用pandas（适合大数据量场景） #

如果你的CSV文件数据量很大，或者平时习惯用pandas处理数据，这个方法会更高效，代码也极简：

import pandas as pd

# 读取CSV文件，统计第二列（索引为1）的元素出现次数
country_counts = pd.read_csv('2017CountryData.csv').iloc[:, 1].value_counts()

# 打印结果，pandas会自动按计数从高到低排序
print(country_counts)

内容的提问来源于stack exchange，提问作者pythonlearner1994