不用pandas的包

在Python中，如果不想使用pandas这样的数据分析库来处理CSV文件，你可以选择一些基础的内置模块或者第三方库，如`csv`模块。例如，如果你想要读取CSV文件并移除制表符，可以这样做：

import csv

with open('file.csv', 'r', newline='') as file:  # 'newline=' 防止多余的空行
    reader = csv.reader(file, delimiter='\t')  # 使用制表符作为分隔符
    data = []
    for row in reader:
        cleaned_row = [cell.replace('\t', '') for cell in row]  # 在列表推导式中去除制表符
        data.append(cleaned_row)

data = pd.DataFrame(data)  # 转换成DataFrame格式，虽然不是pandas，但类似功能

这种方法简单直接，适用于小型数据集或简单的处理任务。然而，对于大规模的数据分析，pandas的功能更为强大且高效。

相关问题

文本文件(.csv文件可以作为文本文件处理）中保存了图书馆藏书信息，每条藏书记录占一行 数据字段说明： LIBRARY_ID：藏馆ID（可能有多个藏馆） REC_CTRL_I：录入编号 BOOK_BARCO：图书条码 DEPARTMENT：所属部门 BOOK_SEARC：索书号 TITLE：图书名称 ISN：ISBN出版号 AUTHORS：作者 PUBLISHER：出版社 PUBDATE_DA：出版时间 BOOK_ATTRI：图书属性 BOOK_STATU：图书状态 （用函数定义，不用pandas）列出所有书名中包括“开发”字样的藏书和这些藏书所属的出版社，函数定义（不用pandas）统计每个出版社的”开发“字样藏书数量，用函数定义（不用pandas）按照该藏书数量降序输出，数量相同按照出版社名字升序。用函数定义（不用pandas）将结果写入result.txt文件中

好的，下面是代码实现：

def find_books_with_keyword(file_path, keyword):
    book_list = []
    with open(file_path, 'r') as f:
        for line in f:
            if keyword in line:
                book_info = line.strip().split(',')
                book_name = book_info[6]
                publisher = book_info[9]
                book_list.append((book_name, publisher))
    return book_list

def count_books_by_publisher(book_list):
    publisher_dict = {}
    for book in book_list:
        publisher = book[1]
        if publisher not in publisher_dict:
            publisher_dict[publisher] = 1
        else:
            publisher_dict[publisher] += 1
    return publisher_dict

def sort_publishers_by_book_count(publisher_dict):
    sorted_publishers = sorted(publisher_dict.items(), key=lambda x: (-x[1], x[0]))
    return sorted_publishers

def write_result_to_file(file_path, sorted_publishers):
    with open(file_path, 'w') as f:
        for publisher in sorted_publishers:
            f.write(publisher[0] + ',' + str(publisher[1]) + '\n')

if __name__ == '__main__':
    file_path = 'book_info.csv'
    keyword = '开发'
    book_list = find_books_with_keyword(file_path, keyword)
    publisher_dict = count_books_by_publisher(book_list)
    sorted_publishers = sort_publishers_by_book_count(publisher_dict)
    write_result_to_file('result.txt', sorted_publishers)

代码中，`find_books_with_keyword`函数用于查找包含关键字的书籍信息，返回一个列表，列表中每个元素是一个元组，元组中第一个元素是书名，第二个元素是出版社。

`count_books_by_publisher`函数用于统计每个出版社包含关键字的书籍数量，返回一个字典，键是出版社名，值是包含关键字的书籍数量。

`sort_publishers_by_book_count`函数用于将出版社进行排序，先按照包含关键字的书籍数量降序排序，再按照出版社名字升序排序。

`write_result_to_file`函数用于将排序后的结果写入文件。

在程序中，我们可以通过修改`file_path`和`keyword`参数来处理不同的CSV文件和不同的关键字。执行程序后，将会在当前目录下生成`result.txt`文件，文件中包含按照要求排序后的结果。

如何将从python中爬虫到的数据保存到Excel表格中不用pandas库

在Python中，如果不使用pandas库，你还可以使用`openpyxl`或`xlsxwriter`这样的库来将爬取到的数据保存到Excel表格中。以下是使用`openpyxl`库保存数据的一个简单示例：

首先，你需要安装`openpyxl`库（如果你还没有安装的话）：

pip install openpyxl

然后，你可以按照以下步骤将数据写入Excel：

from openpyxl import Workbook

# 创建一个工作簿对象
wb = Workbook()

# 选择默认的工作表
ws = wb.active

# 假设我们从爬虫得到的数据是一个列表，每个元素也是一个包含多个值的列表
data = [
    ["姓名", "年龄", "职业"],
    ["张三", "28", "工程师"],
    ["李四", "25", "设计师"],
    ["王五", "30", "产品经理"]
]

# 将数据写入工作表的相应位置
for row in data:
    ws.append(row)

# 保存工作簿到文件
wb.save("output.xlsx")

上面的代码将创建一个包含三列数据的Excel文件，分别是姓名、年龄和职业。

如果你想要更灵活地控制数据的写入，还可以直接指定行和列来写入单个值，例如：

# 写入特定的单元格
ws['A1'] = '姓名'
ws['B1'] = '年龄'
ws['C1'] = '职业'

ws['A2'] = '张三'
ws['B2'] = 28
ws['C2'] = '工程师'

请确保在写入单元格之前创建工作表以及相应的行列索引，否则可能会遇到错误。