你可以这样做：

import pandas as pd
df = pd.read_csv("sample.csv")

print(f"M : {len(df[df['SEX'] == 'M'])}")
print(f"F : {len(df[df['SEX'] == 'F'])}")

字符串

>>> import csv
>>> M,F = 0,0
>>> with open('file.csv') as csvfile:
...     data = csv.reader(csvfile)
...     for row in data:
...         M += 1 if row[2] == "M" else F += 1

字符串

1.导入CSV文件。
1.把“性”一栏去掉。

import pandas as pd

data = pd.read_csv('sample.csv')

num_males = sum(data['SEX'] == 'M')
num_females = len(data['SEX']) - num_males

字符串

另一个解决方案是使用pandas包来实现。

import pandas as pd

csv_path_file = '' # your csv path file
separator = ';'

df = pd.read_csv(csv_path_file, sep = separator)
df['SEX'].value_counts()

字符串
将返回一个以'M'和'F'为索引、以计数为值的pd.Series对象。它也是检查错误数据的一个很好的解决方法，如果您有另一个类别或丢失数据，您会立即注意到它。

最简单的方法是使用Pandas从csv读取数据并按以下方式分组：

import pandas as pd

df = pd.read_csv('sample.csv') // read data from csv
result = df.groupby('sex').size() // use .size() to get the row counts

字符串
输出量：

sex
f    2
m    2
dtype: int64

型

在你使用外部pandas或内置csv模块从文件中读取后，你可以内置模块collections ' Counter来计算占用率，考虑示例：

import collections
import pandas as pd
df = pd.DataFrame({'CODE':['E101','E102','E103','E104'],'SEX':['M','F','M','F']})
for key, value in collections.Counter(df['SEX']).items():
    print(key,":",value)

字符串
输出量：

M : 2
F : 2

型
说明：collections.Counter是一个类似dict的对象，它在创建过程中接受iterable，并计算iterable中的占用次数。