实际上，pandas可以在这里帮助您。
我从一个更干净的CSV开始：

PassengerID,Survived,Pclass,Name,Sex
1,0,3,mary,female
2,1,2,james,male
3,1,3,tanya,female

如果您的CSV实际上看起来像您发布的内容（不是真正的CSV），那么您将有一些争论要做（见下文）。但是如果你能让pandas吃掉它：

>>> import pandas as pd
>>> df = pd.DataFrame.from_csv('data.csv')
>>> result = df[(df.Sex=='female') & (df.Survived==False)]

生成新的DataFrame：

>>> result
             Survived  Pclass  Name     Sex
PassengerID                                
1                   0       3  mary  female

您可以执行len(result)以获得所需的计数。

加载该CSV

如果你被这个讨厌的CSV卡住了，你可以像这样得到你的df：

# Load using a different delimiter.
df = pd.DataFrame.from_csv('data.csv', sep="|")

# Rename the index.
df.index.names = ['PassID']

# Rename the columns, using X for the bogus one.
df.columns = ['Survived', 'Pclass', 'Name', 'Sex', 'X']

# Remove the 'extra' column.
del df['X']

我想这就是你需要的：

import csv

def number_of_female_in_class_3(data):
    # initialize sum variable
    sum = 0
    for row in data:
        if row[4] == 'Female' and row[2] == '3':
            # match
            sum += 1
    # return the result
    return sum

# Load in the csv file
csv_file_object = csv.reader(open('train.csv', 'rb'), delimiter='|')
# skip the header
header = csv_file_object.next()
data = []

for row in csv_file_object:
    # add each row of data to the data list, stripping excess whitespace
    data.append(map(str.strip, row))

# print the result
print number_of_female_in_class_3(data)

一些解释：
首先，在你的文件中，你有一个大写的F女性，其次，你有你的列数字向后（性别在第5列，类在第3列）你需要初始化的总和变量为0之前，你开始递增它。这里不需要numpy和pandas，但需要对每行中的每个元素应用strip函数以删除多余的空格（map(str.strip, row)），并将delimiter='|'传递到csv.reader，因为默认分隔符是逗号。最后，你需要在函数的最后加上return sum。

将pandas导入为pd

将CSV文件1加载到DataFrame

df1 =pd.read_csv（“file1.csv”）

将CSV文件2加载到DataFrame

df2 =pd.read_csv（“file2.csv”）

遍历df1中的每一行

for i，row1 in df1.iterrows（）：

# Check if there is a matching row in df2 where col1+col2 equals row1['col1']+row1['col2']
match = df2[(df2['col1']+df2['col2']) == (row1['col1']+row1['col2'])]

# Check if there is a matching row in df2 where col1+col3 equals row1['col1']+row1['col3']
match2 = df2[(df2['col1']+df2['col3']) == (row1['col1']+row1['col3'])]

# Flag the matching rows in df1
if not match.empty:
    df1.loc[i, 'flag'] = 'match'
elif not match2.empty:
    df1.loc[i, 'flag'] = 'match2'
else:
    df1.loc[i, 'flag'] = 'no match'

将更新后的df1保存到新的CSV文件中

df1.to_csv（“file1_flagged.csv”，index=False）