17370845950

本文介绍如何使用 csv.dictreader 流式读取制表符分隔的 csv 文件，避免内存溢出，同时正确提取出生年份并计算当前（2025年）年龄的中位数，解决 '_csv.reader' object is not subscriptable 类型错误。

在处理大型 CSV 文件时，为节省内存，应避免将整个文件一次性读入列表或 DataFrame。Python 的 csv 模块提供了流式读取能力，但需注意 csv.reader 与 csv.DictReader 的关键区别：前者返回每行为 list（需用索引访问字段，如 row[2]），后者返回每行为 dict（支持按列名访问，如 row['birth_year']）。原代码中误将 csv.reader 对象当作字典使用（data['birth_year']），导致 TypeError。

正确做法是改用 csv.DictReader，它自动将首行解析为字段名，并为后续每一行构建键值映射。此外，我们采用生成器表达式 (2025 - int(row['birth_year']) for row in reader) 实现惰性求值——年龄值在中位数计算过程中逐个生成，全程不构建完整列表，真正实现低内存占用。

以下是完整、健壮的实现（含基础异常处理）：

import csv
from statistics import median

def median_age(filename):
    try:
        with open(filename, 'r', encoding='utf-8') as file:
            reader = csv.DictReader(file, delimiter='\t')

            # 验证必需字段是否存在
            if 'birth_year' not in reader.fieldnames:
      
          raise ValueError(f"Missing required column 'birth_year' in {filename}")

            # 生成年龄序列（跳过空值或无效年份）
            ages = []
            for row in reader:
                try:
                    birth_year = int(row['birth_year'].strip())
                    if 1900 <= birth_year <= 2024:  # 合理年份范围过滤
                        ages.append(2024 - birth_year)
                except (ValueError, TypeError):
                    continue  # 跳过无法解析的行

            if not ages:
                raise ValueError(f"No valid birth_year found in {filename}")

            return median(ages)

    except FileNotFoundError:
        raise FileNotFoundError(f"File '{filename}' not found.")
    except Exception as e:
        raise RuntimeError(f"Error processing {filename}: {e}")

使用示例：
假设 data.csv 内容如下（制表符分隔）：

first   last    birth_year
paul    henry   2019
bill    thompson    1995
mary    allen   2003
jennifer    davis   2015
liz morgan  1999

调用 median_age('data.csv') 将返回 21.0（对应年龄序列 [5, 29, 21, 9, 25] 的中位数）。

关键注意事项：

• ✅ 始终指定 encoding='utf-8' 防止中文或特殊字符报错；
• ✅ 使用 DictReader 而非 reader 实现列名访问；
• ✅ 通过生成器+显式循环+过滤，兼顾内存效率与数据鲁棒性；
• ❌ 避免在 csv.reader 上直接使用方括号索引（如 row['xxx']）；
• ⚠️ 若文件无标题行，需手动传入 fieldnames= 参数；若分隔符非制表符，请同步调整 delimiter。

该方案适用于 GB 级日志或用户档案 CSV，单次遍历、零中间列表、错误可追溯，是生产环境推荐的轻量级年龄统计实践。