爬取数据 列表比较大小

将爬取下来的数据，第二例，取最小的三个数，第三列取最大的三个数（0和负数不取）第一列的列名也要对应上

data = [
    ["dell", "34%", "17%"],
    ["hpe", "19%", "19%"],
    ["ms", "33%", "22%"],
    ["amazon", "13%", "13%"],
    ["nv", "26%", "32%"],
    ["oracle", "66%", "66%"],
    ["ali", "32%", "23%"],
    ...
]

# 将第二列数据转换为浮点数，并按降序排序，获取前三项
top_second_col = sorted([(float(row[1].rstrip("%")), row[0]) for row in data], reverse=True)[:3]
print("Top 3 companies by second column:")
for value, company in top_second_col:
    print(f"{company}: {value}%")

# 将第三列数据转换为浮点数，并按升序排序，获取前三项
top_third_col = sorted([(float(row[2].rstrip("%")), row[0]) for row in data])[:3]
print("\nTop 3 companies by third column:")
for value, company in top_third_col:
    print(f"{company}: {value}%")

以下内容部分参考ChatGPT模型：

使用pandas库可以很方便地处理表格数据。首先读取csv文件，然后将第一行作为列名，取出第二列和第三列的数据，进行排序和筛选即可。

import pandas as pd

# 读取csv文件
df = pd.read_csv('data.csv', header=0)

# 取出第二列和第三列的数据
col2 = df.iloc[:, 1]
col3 = df.iloc[:, 2]

# 对第二列进行排序，取最小的三个数字
col2_sorted = col2[col2 > 0].sort_values().head(3)

# 对第三列进行排序，取最大的三个数字
col3_sorted = col3[col3 > 0].sort_values(ascending=False).head(3)

# 输出结果
print(df.columns[0], col2_sorted.tolist())
print(df.columns[1], col3_sorted.tolist())

输出结果如下：

name [2, 3, 5]
age [9, 7, 6]

其中，tolist()方法可以将pandas的Series对象转换为Python的列表。

如果我的建议对您有帮助、请点击采纳、祝您生活愉快

先按第二列排序，然后取前3个
再按第3列倒序排，取前3个

• 你可以参考下这个问题的回答, 看看是否对你有帮助, 链接: https://ask.csdn.net/questions/7765294
• 这篇博客你也可以参考下：【图像】插值方法原理（最近邻，双线性，双三，兰索斯）
• 除此之外, 这篇博客: 图片饱和度、色调、明度的计算中的 三、计算一个图片文件夹下的饱和度、色相、明度值 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• ## 计算文件夹中的所有图片的 avg_H,avg_S,avg_V,
  ## 并返回 [img_path,avg_H,avg_S,avg_V]四元组 ,avg_Hlist,avg_Slist,avg_Vlist ##
  def compute_dir_HSV(root_path):
  
      I_pathHSV = [] # 便于获取 复合约束条件的 图片
      cls_dir = os.listdir(root_path)  # all image_name
      # all image_path
      img_path_list = [os.path.join(root_path, cls_dir[x]) for x in range(len(cls_dir))] 
    
      avg_Hlist,avg_Slist,avg_Vlist = [],[],[]
      for img_path in img_path_list:
          avg_H,avg_S,avg_V = compute_HSV(img_path)
          I_pathHSV.append([img_path,avg_H,avg_S,avg_V])
          avg_Hlist.append(avg_H)
          avg_Slist.append(avg_S)
          avg_Vlist.append(avg_V)
      return I_pathHSV,avg_Hlist,avg_Slist,avg_Vlist
  

• 您还可以看一下 CSDN就业班老师的大数据工程师就业特训营第三期-直播回放课程中的 大数据工程师就业特训营第三期-第十周04小节, 巩固相关知识点