AceleraDev Python para Web - Processe dados dos jogadores do FIFA© 2017 usando Python

main.py

# coding: utf-8
import csv
import collections
import functools
# Todas as perguntas são referentes ao arquivo `data.csv`
# Você ** não ** pode utilizar o pandas e nem o numpy para este desafio.

def gen_csv():
    def fn():
        with open('data.csv', 'r') as f:
            headers = None
            for row in csv.reader(f):
                if headers is None:
                    headers = row
                    continue
                yield({headers[i]: row[i] for i in range(len(row)) })
    return fn()

# **Q1.** Quantas nacionalidades (coluna `nationality`) diferentes existem no arquivo?
# 
def q_1():
    return len(collections.Counter([i['nationality'] for i in gen_csv() ]).keys())
        

# **Q2.** Quantos clubes (coluna `club`) diferentes existem no arquivo?
def q_2():
    return len(collections.Counter([i['club'] for i in gen_csv() ]).keys())

# **Q3.** Liste o nome completo dos 20 primeiros jogadores de acordo com a coluna `full_name`.
def q_3():
    return [i['full_name'] for idx, i in enumerate(gen_csv()) if idx < 20]

# **Q4.** Quem são os top 10 jogadores que ganham mais dinheiro (utilize as colunas `full_name` e `eur_wage`)?
def q_4():
    def money(it):
        return it[1]
    return [i[0] for i in sorted([(i['full_name'], float(i['eur_wage']) ) for idx, i in enumerate(gen_csv())], key=money, reverse=True)][:10]

# **Q5.** Quem são os 10 jogadores mais velhos?
def q_5():
    def age(it):
        return it[1]
    return [i[0] for i in sorted([(i['full_name'], float(i['age']) ) for idx, i in enumerate(gen_csv())], key=age, reverse=True)][:10]

# **Q6.** Conte quantos jogadores existem por idade. Para isso, construa um dicionário onde as chaves são as idades e os valores a contagem.
def q_6():
    return { int(it[0]): it[1] for it in collections.Counter([i['age'] for i in gen_csv() ]).most_common() }