17370845950

本文介绍如何使用 python 的 csv.dictreader 流式读取制表符分隔的 csv 文件，按需解析出生年份并实时计算客户年龄中位数，避免内存溢出和 typeerror（'_csv.reader' object is not subscriptable）错误。

在处理大型 CSV 文件时，一个常见误区是试图像操作字典一样直接通过键（如 data['birth_year']）访问 csv.reader 返回的行对象——但 csv.reader 每次返回的是列表（list），而非字典，因此不支持键下标访问，从而抛出 TypeError: '_csv.reader' object is not subscriptable。

正确做法是改用 csv.DictReader：它会自动将首行（header）解析为字段名，并将后续每一行映射为一个以字段名为键的字典，使代码语义清晰、可读性强，且仍保持逐行流式读取——即内存占用恒定，与文件大小无关。

以下是优化后的完整实现：

import csv
from statistics import median

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

        # 构建生成器表达式：对每一行动态计算年龄，不构建中间列表
        customer_ages = (2025 - int(row['birth_year']) for row in reader)

        return median(customer_ages)

✅ 关键要点说明：

• 使用 csv.DictReader 替代 csv.reader，天然支持 row['birth_year'] 访问；
• 生成器表达式 (... for row in reader) 确保数据按需计算、零缓存，适合 GB 级日志或客户档案；
• 显式指定 encoding='utf-8' 防止中文路径或特殊字符引发解码

  

  错误（推荐实践）；
• 无需手动调用 next(reader) 跳过表头——DictReader 自动完成；
• statistics.median() 可直接接受生成器（Python ≥3.10），内部自动转换为有序序列计算中位值。

⚠️ 注意事项：

• 确保 CSV 文件首行为有效字段名，且包含精确匹配的 'birth_year' 列（区分大小写与空格）；
• 若存在缺失或非数字的 birth_year 值，建议添加异常处理（如 try/except ValueError）提升鲁棒性；
• 年份硬编码 2025 在生产环境应替换为 datetime.date.today().year 以保证时效性。

该方案兼顾简洁性、内存效率与工程健壮性，是处理大规模结构化文本数据的标准范式之一。