1

tengo un problema con respecto a un ejercicio que tengo que hacer, que trata de sumar los números de la columna final de los siguientes datos extraídos de un archivo de texto. y el otro de obtener el genero de película que mas se repite.

mando parte del archivo de txt (es largo)

Series_Title,Released_Year,Certificate,Runtime,Genre,IMDB_Rating,Overview,Meta_score,Director,Star1,Star2,Star3,Star4,No_of_Votes,Gross 
The Shawshank Redemption,1994,A,142 min,Drama,9.3,""Two imprisoned men bond over a number of years, finding solace and eventual redemption through acts of common decency."",80,Frank Darabont,Tim Robbins,Morgan Freeman,Bob Gunton,William Sadler,2343110,28341469"   
The Godfather,1972,A,175 min,Crime,9.2,An organized crime dynasty's aging patriarch transfers control of his clandestine empire to his reluctant son.,100,Francis Ford Coppola,Marlon Brando,Al Pacino,James Caan,Diane Keaton,1620367,134966411    
The Dark Knight,2008,UA,152 min,Action,9,""When the menace known as the Joker wreaks havoc and chaos on the people of Gotham, Batman must accept one of the greatest psychological and physical tests of his ability to fight injustice."",84,Christopher Nolan,Christian Bale,Heath Ledger,Aaron Eckhart,Michael Caine,2303232,534858444"  
The Godfather: Part II,1974,A,202 min,Crime,9,""The early life and career of Vito Corleone in 1920s New York City is portrayed, while his son, Michael, expands and tightens his grip on the family crime syndicate."",90,Francis Ford Coppola,Al Pacino,Robert De Niro,Robert Duvall,Diane Keaton,1129952,57300000"    
12 Angry Men,1957,U,96 min,Crime,9,A jury holdout attempts to prevent a miscarriage of justice by forcing his colleagues to reconsider the evidence.,96,Sidney Lumet,Henry Fonda,Lee J. Cobb,Martin Balsam,John Fiedler,689845,4360000      

entonces con estos datos tengo lo siguiente: En el caso de la suma.

total = 0
archivo = open('./top.txt','rt',encoding='utf-8')
archivo.readline()#leo la primera linea
for linea in archivo:
    linea = linea.replace('"',"")
    linea = linea.strip('\t\n')
    linea = linea.split(';')
    #print(linea)
    total+= int(linea[15])
print(total)
archivo.close()

print linea = ['The Shawshank Redemption,1994,A,142 min,Drama,9.3,Two imprisoned men bond over a number of years, finding solace and eventual redemption through acts of common decency.,80,Frank Darabont,Tim Robbins,Morgan Freeman,Bob Gunton,William Sadler,2343110,28341469']

(AL reemplazar los ", se ponen '', no se a que se debe)

resulta que cuando corro el programa muestra:

total+= int(linea[15])

IndexError: list index out of range

4
  • +1 Por una pregunta correctamente formulada (al fin).
    – Candid Moe
    el 10 oct. 2022 a las 20:58
  • Tu array esta fuera de rango dice, es decir, estas intentando acceder a una posición que no existe. Recuerda que los array inician en la posición [0], deberías verificar si efectivamente hay una línea 15. el 10 oct. 2022 a las 21:05
  • El archivo es un .csv. La forma apropiada de procesarlo es usando la libreria csv. Hacerlo por tu cuenta es una locura. Aquí tienes un tutorial en español (puedes googlear "tutorial csv python") code.tutsplus.com/es/tutorials/…
    – Candid Moe
    el 10 oct. 2022 a las 21:09
  • Además parece que tus datos están corruptos: hay líneas con un número impar de cremillas dobles (tienen una cremilla al final).
    – Candid Moe
    el 10 oct. 2022 a las 21:12

1 respuesta 1

1

Está un poco complicado de parsear ese documento porque no es consistente, además de que los cierres de comillas no coinciden en todos los casos.

Traté de hacer un parser con el fragmento que pusiste y es funcional, pero no garantizo que sirva para el documento completo:

import csv

cabeceras = []
data = []
with open('./top.txt','r',encoding='utf-8') as f:
    cabeceras = f.readline().strip().split(',')
    for line in f:
        line = line.strip() # Quitar espacios en blanco
        line = line.replace('""', '"') # Quitar comillas dobles duplicadas
        line = line[:-1] if line.endswith('"') else line # Quitar comilla del final
        # Se procesa la cadena resultante como CSV
        csvreader = csv.reader([line], delimiter=',', quotechar='"')
        # Se agrega {key1:value1, key2:value2, ...} a data
        data.append(dict(zip(cabeceras, list(csvreader)[0])))

Hasta este punto data tendrá este formato:

[
  {'Series_Title': 'The Shawsh...', 'Released_Year': '1994', 'Certificate': 'A' ... }, 
  {'Series_Title': 'The Godfather', 'Released_Year': '1972', 'Certificate': 'A', ...},
  ...
]

Ahora es sencillo extraer datos de esa estructura para analizar:

genre = []
gross = []

for movie in data:
    genre.append(movie['Genre'])
    gross.append(movie['Gross'])

print(genre) # ['Drama', 'Crime', 'Action', 'Crime', 'Crime']
print(gross) # ['28341469', '134966411', '534858444', '57300000', '4360000']

Referencias:
CSV String to Array
Make a dictionary (dict) from Two separate lists

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.