CSV-Filter für numpy

Question

Ich habe diese ziemlich große CSV-Datei, und ich interessiere mich nur für die Zeilen, die das Wort "Slave" enthalten ... Einige Zeilen, die Slave enthalten sind nicht genau die gleichen wie andere, aber sie alle enthält das Wort "Slave".

Ich möchte alle anderen Zeilen wegwerfen und dann an den Daten arbeiten, die in der anderen Spalte übrig geblieben sind.

Hier ist der Haken: Die andere Säule ist nicht sauber entweder ... Es sieht immer so, aber:

digit (text) so zum Beispiel:

7 (medium)

12 (strong)

Ich möchte die ersten 1 oder 2 (abhängig davon, ob es 1 oder 2 Ziffern, natürlich) und dann plotten sie in einem Histogramm mit numpy und matplotlib/pyplot.

Ich habe zwei Probleme bekam:
Dieser Code:

import csv 
x=csv.reader(open('sample.csv', 'rt'), delimiter=',') 
x=list(x) 

Ist in Ordnung, aber jetzt habe ich Dinge wie x[1][1] Adresse ... Diese

Slave (0x00-02-5b-00-a5-a5) (#1) 

aber zeigen, etwas wie x[:][1] zeigt

['6 (medium)', 'Slave (0x00-02-5b-00-a5-a5) (#1)'] 

Was ich nicht erwarte ... Ich würde erwarten, dass es nur die zweite Spalte druckt.

Wie auch immer, wenn ich über das hinaus komme, wird das nächste Problem sein, dass die überlebende Spalte einige Zeichenfilter haben wird, um die Ziffern zu behalten und die Alpha-Zeichen zu entfernen. Ich habe Angst davor, genau das zu tun und in der Lage zu sein, in eine nüchterne freundliche Datenstruktur einzusteigen.

Irgendwelche Gedanken zum weiteren Vorgehen? Hier ist ein Beispiel der Daten Ich arbeite mit:

6 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
7 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
6 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
6 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
7 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
6 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
6 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
6 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
7 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
7 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
5 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
5 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
7 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
6 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
6 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
7 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
4 (weak),Slave (0x00-02-5b-00-a5-a5) (#1) 
6 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
7 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
6 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
7 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
5 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
7 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
6 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
5 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
6 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
4 (weak),Slave (0x00-02-5b-00-a5-a5) (#1) 
6 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
6 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
13 (strong),Master (0x00-25-52-f5-a6-f1) (#1) 
7 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
10 (strong),Master (0x00-25-52-f5-a6-f1) (#1) 
6 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
11 (strong),Master (0x00-25-52-f5-a6-f1) (#1) 
6 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
8 (medium),Master (0x00-25-52-f5-a6-f1) (#1) 
7 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
13 (strong),Master (0x00-25-52-f5-a6-f1) (#1) 
12 (strong),Master (0x00-25-52-f5-a6-f1) (#1) 
7 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
10 (strong),Master (0x00-25-52-f5-a6-f1) (#1) 
5 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
11 (strong),Master (0x00-25-52-f5-a6-f1) (#1) 
4 (weak),Slave (0x00-02-5b-00-a5-a5) (#1) 
13 (strong),Master (0x00-25-52-f5-a6-f1) (#1) 
5 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
11 (strong),Master (0x00-25-52-f5-a6-f1) (#1) 
6 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
11 (strong),Master (0x00-25-52-f5-a6-f1) (#1) 
13 (strong),Master (0x00-25-52-f5-a6-f1) (#1) 
7 (medium),Slave (0x00-02-5b-00-a5-a5) (#1) 
10 (strong),Master (0x00-25-52-f5-a6-f1) (#1) 

Dank

Answer 1

Als csv, jede Zeile enthält zwei Spalten, eine vor und eine nach dem Komma. x[1][1] ist die zweite Spalte aus der zweiten Liste, da Python 0-basierte Indizes verwendet. Und x[:][1] entspricht x[1], also keine Überraschung. wenn Sie es wünschen,

firstcol_arr = np.array(firstcol_filt) 

firstcol_filt = [int(str.split(k[0])[0]) for k in x if 'Slave' in k[1]] 

dann können Sie verwandeln diese Liste der Listen in eine numpy Array Aufgrund:

Ich schlage vor, Filterung und die erste Spalte zu halten, die Ihre Zahlen enthält Seine Form ist ein 1d-Array, das Sie in einem Histogramm verwenden können.

---

einfach zu erarbeiten: x aus Ihrer CSV ist eine Liste von Listen.Das Listenverständnis umfasst Schleifen über x, k ist jede Zeile der CSV, also k ist eine Zwei-Elemente-Liste. Wenn 'Slave' im zweiten Element ist, teilen wir das erste Element in Leerzeichen und transformieren seinen ersten Teil in eine Ganzzahl.

firstcol_filt = [] 
for k in x: 
    if 'Slave' in k[1]: 
     firstcol_filt.append(int(str.split(k[0])[0])) 

Da Sie in einem Kommentar gefragt, hier ist der Filterschritt und der Teilungsschritt getrennt, für Klarheit:

filtered_rows = [k for k in x if 'Slave' in k[1]] 
firstcol_filt = [int(str.split(k[0])[0]) for k in filtered_rows]