使用python分析数据

Question

我有一个csv文件，格式如下：

30  1964    1   1
30  1962    3   1
30  1965    0   1
31  1959    2   1
31  1965    4   1
33  1958    10  1
33  1960    0   1
34  1959    0   2
34  1966    9   2
34  1958    30  1
34  1960    1   1
34  1961    10  1
34  1967    7   1
34  1960    0   1
35  1964    13  1
35  1963    0   1

第一列表示年龄，最后一列表示存活率(如果患者存活5年或更长时间，则为1；如果患者在5年内死亡，则为2)我必须计算哪个年龄具有最高的存活率。我是python的新手，我不知道该怎么做。我可以使用mode函数计算重复次数最多的年龄，但我不知道如何检查一列并打印相应的另一列。请帮帮忙。

我找到了一个答案，我只需要分析第一行。

import csv
import matplotlib.pyplot as plt
import numpy as np

df = open('Dataset.csv')
csv_df=csv.reader(df)
a=[]
b=[]

for row in csv_df:
    a.append(row[0])   
    b.append(row[3])

print('The age that has maximum reported incidents of cancer is '+ mode(a))

Answer 1

我不完全确定我是否清楚地理解了你的逻辑，即确定存活率最高的年龄。假设具有最高数量的1的年龄具有最高的存活率，则编写以下代码

当我使用csv时，我做了一些不同的读取部分，因为数据集是有线的。如果csv模块在您的环境中运行良好，请使用它。其思想是，检索每一行中的值的每个元素；我们感兴趣的是第0列和第3列。

在下面的代码中，我们维护一个名为survival_map的字典，并计算与1关联的特定年龄的频率。

import operator

survival_map = {}

with open('Dataset.csv', 'rb') as in_f:
    for row in in_f:
        row = row.rstrip() #to remove the end line character
        items = row.split(',') #I converted the tab space to a comma, had a problem otherwise

        age = int(items[0])
        survival_rate = int(items[3])

        if survival_rate == 1:        
            if age in survival_map:
                survival_map[age] += 1
            else:
                survival_map[age] = 1

一旦我们构建了字典，{33: 2，34: 5，35: 2，30: 3，31: 2}，它就会按键反向排序：

sorted_survival_map = sorted(survival_map.items(), key=operator.itemgetter(1), reverse = True)
max_survival = sorted_survival_map[0]

更新：

对于单个最大值，最好使用OP的建议(在注释中)。在这里发帖：

maximum = max(dict, key=dict.get) 
print(maximum, dict[maximum])

对于多个最大值

max_keys = []
max_value = 0
for k,v in survival_map.items():
    if v > max_value:
        max_keys = [k]
        max_value = v
    elif v == max_value:
        max_keys.append(k)

print [(x, max_value) for x in max_keys] 

当然，这可以通过字典理解来实现；然而，为了可读性，我建议这样做。而且，这是通过一次遍历字典中的对象来完成的，而不需要多次遍历。因此，该解决方案具有O(n)时间复杂度，并且将是最快的。