以下是一个 Python 脚本，用于统计文本数据并汇总 A 列（主类别）、B 列（子类别）和 C 列（子类别的数量）。我们将使用 `pandas` 库来处理 CSV 文件或类似的文本格式文件。 ### 示例代码： ```python import pandas as pd # 读取文本数据（假设为 CSV 格式） file_path = "data.csv" # 替换为你的文件路径 df = pd.read_csv(file_path) # 检查数据结构 print("原始数据：") print(df) # 确保 A 列为主类别，B 列为子类别，C 列为子类别的数量 # 按照 A 列和 B 列进行分组，并对 C 列求和 summary = df.groupby(["A列", "B列"])["C列"].sum().reset_index() # 输出汇总结果 print("\n汇总结果：") print(summary) # 将汇总结果保存到新的 CSV 文件中 output_file = "summary_output.csv" summary.to_csv(output_file, index=False) print(f"\n汇总结果已保存到 {output_file}") ``` --- ### 解释： 1. **`pd.read_csv()`**: - 使用 Pandas 的 `read_csv()` 函数读取文本数据（CSV 格式）。 - 如果数据是其他格式（如 TSV），可以使用 `pd.read_table()` 或指定分隔符。 2. **`groupby()`**: - 按照 A 列（主类别）和 B 列（子类别）进行分组。 - 对 C 列（子类别的数量）求和，计算每个主类别和子类别的总数量。 3. **`reset_index()`**: - 将分组后的结果转换为 DataFrame 格式，方便后续操作。 4. **`to_csv()`**: - 将汇总结果保存到一个新的 CSV 文件中。 --- ### 示例数据： 假设 `data.csv` 文件中的数据如下： | A列（主类别） | B列（子类别） | C列（子类别的数量） | |---------------|----------------|----------------------| | 类别1 | 子类别1 | 10 | | 类别1 | 子类别2 | 20 | | 类别1 | 子类别1 | 15 | | 类别2 | 子类别3 | 30 | | 类别2 | 子类别4 | 25 | 运行上述代码后，输出的汇总结果将是： | A列（主类别） | B列（子类别） | C列（子类别的数量） | |---------------|----------------|----------------------| | 类别1 | 子类别1 | 25 | | 类别1 | 子类别2 | 20 | | 类别2 | 子类别3 | 30 | | 类别2 | 子类别4 | 25 | --- ### 注意事项： 1. 如果需要确保每个主类别有且仅有 4 个子类别，可以在汇总后检查数据完整性： ```python # 检查每个主类别是否有 4 个子类别 category_counts = summary.groupby("A列")["B列"].count() print("\n每个主类别的子类别数量：") print(category_counts) ``` 2. 如果某些子类别缺失，可以手动填充默认值或提示用户。 --- ### 数据验证： 如果需要验证每个主类别是否恰好有 4 个子类别，可以添加以下逻辑： ```python # 验证每个主类别是否恰好有 4 个子类别 category_validation = summary.groupby("A列").size() missing_categories = category_validation[category_validation != 4] if not missing_categories.empty: print("\n以下主类别不满足 4 个子类别的要求：") print(missing_categories) else: print("\n所有主类别均满足 4 个子类别的要求。") ``` ---