本文介绍如何使用 csv.dictreader 流式读取制表符分隔的 csv 文件，避免内存溢出，同时正确提取出生年份并计算当前（2024年）年龄的中位数，解决 '_csv.reader' object is not subscriptable 类型错误。
在处理大型 CSV 文件时，为节省内存，应避免将整个文件一次性读入列表或 DataFrame。Python 的 csv 模块提供了流式读取能力，但需注意 csv.reader 与 csv.DictReader 的关键区别：前者返回每行为 list（需用索引访问字段，如 row[2]），后者返回每行为 dict（支持按列名访问，如 row['birth_year']）。原代码中误将 csv.reader 对象当作字典使用（data['birth_year']），导致 TypeError。
正确做法是改用 csv.DictReader，它自动将首行解析为字段名，并为后续每一行构建键值映射。此外，我们采用生成器表达式 (2024 - int(row['birth_year']) for row in reader) 实现惰性求值——年龄值在中位数计算过程中逐个生成，全程不构建完整列表，真正实现低内存占用。
以下是完整、健壮的实现（含基础异常处理）：
import csv
from statistics import median
def median_age(filename):
try:
with open(filename, 'r', encoding='utf-8') as file:
reader = csv.DictReader(file, delimiter='\t')
# 验证必需字段是否存在
if 'birth_year' not in reader.fieldnames:
raise ValueError(f"Missing required column 'birth_year' in {filename}")
# 生成年龄序列（跳过空值或无效年份）
ages = []
for row in reader:
try:
birth_year = int(row['birth_year'].strip())
if 1900 <= birth_year <= 2024: # 合理年份范围过滤
ages.append(2024 - birth_year)
except (ValueError, TypeError):
continue # 跳过无法解析的行
if not ages:
raise ValueError(f"No valid birth_year found in {filename}")
return median(ages)
except FileNotFoundError:
raise FileNotFoundError(f"File '{filename}' not found.")
except Exception as e:
raise RuntimeError(f"Error processing {filename}: {e}")使用示例：
假设 data.csv 内容如下（制表符分隔）：
first last birth_year paul henry 2019 bill thompson 1995 mary allen 2003 jennifer davis 2015 liz morgan 1999
调用 median_age('data.csv') 将返回 21.0（对应年龄序列 [5, 29, 21, 9, 25] 的中位数）。
关键注意事项：
- ✅ 始终指定 encoding='utf-8' 防止中文或特殊字符报错；
- ✅ 使用 DictReader 而非 reader 实现列名访问；
- ✅ 通过生成器+显式循环+过滤，兼顾内存效率与数据鲁棒性；
- ❌ 避免在 csv.reader 上直接使用方括号索引（如 row['xxx']）；
- ⚠️ 若文件无标题行，需手动传入 fieldnames= 参数；若分隔符非制表符，请同步调整 delimiter。
该方案适用于 GB 级日志或用户档案 CSV，单次遍历、零中间列表、错误可追溯，是生产环境推荐的轻量级年龄统计实践。
