Question

我有三个文本文件：

fileA：

13  abc
123 def
234 ghi
1234    jkl
12  mno

FILEB：

12  abc
12  def
34  qwe
43  rty
45  mno

fileC：

12  abc
34  sdg
43  yui
54  poi
54  def

我想看看第二列中的所有值在文件之间是否匹配。如果第二列已经排序，则以下代码有效。但如果第二列没有排序，我如何排序第二列并比较文件？

fileA = open("A.txt",'r')
fileB = open("B.txt",'r')
fileC = open("C.txt",'r')

listA1 = []
for line1 in fileA:
    listA = line1.split('\t')
    listA1.append(listA)


listB1 = []
for line1 in fileB:
    listB = line1.split('\t')
    listB1.append(listB)


listC1 = []
for line1 in fileC:
    listC = line1.split('\t')
    listC1.append(listC)

for key1 in listA1:
    for key2 in listB1:
        for key3 in listC1:
            if key1[1] == key2[1] and key2[1] == key3[1] and key3[1] == key1[1]:
                print "Common between three files:",key1[1]

print "Common between file1 and file2 files:"
for key1 in listA1:
    for key2 in listB1:
        if key1[1] == key2[1]:
            print key1[1]

print "Common between file1 and file3 files:"
for key1 in listA1:
    for key2 in listC1:
        if key1[1] == key2[1]:
            print key1[1]

Answer 1

如果您只想在第二列排序A1，B1和C1，这很容易：

listA1.sort(key=operator.itemgetter(1))

如果您不理解itemgetter，则相同：

listA1.sort(key=lambda element: element[1])

但是，我认为更好的解决方案是使用set：

setA1 = set(element[1] for element in listA1)
setB1 = set(element[1] for element in listB1)
setC1 = set(element[1] for element in listC1)

或者更简单地说，不要首先建立列表;这样做：

setA1 = set()
for line1 in fileA:
    listA = line1.split('\t')
    setA1.add(listA[1])

无论哪种方式：

print "Common between file1 and file2 files:"
for key in setA1 & setA2:
    print key

为了进一步简化，您可能希望首先将重复的内容重构为函数：

def read_file(path):
    with open(path) as f:
        result = set()
        for line in f:
            columns = line.split('\t')
            result.add(columns[1])
    return result

setA1 = read_file('A.txt')
setB1 = read_file('B.txt')
setC1 = read_file('C.txt')

然后你可以找到更多的机会。例如：

def read_file(path):
    with open(path) as f:
        return set(row[1] for row in csv.reader(f))

正如John Clements所指出的那样，你甚至不需要将它们全部三个都设置为A1，所以你可以这样做：

def read_file(path):
    with open(path) as f:
        for row in csv.reader(f):
            yield row[1]

setA1 = set(read_file('A.txt'))
iterB1 = read_file('B.txt')
iterC1 = read_file('B.txt')

您需要的唯一其他更改是，您必须致电intersection而不是使用&运算符，因此：

for key in setA1.intersection(iterB1):

我不确定这最后的改变实际上是一种改进。但是在Python 3.3中，您唯一需要做的就是将return set(…)更改为yield from (…)，我可能会这样做。（即使文件很庞大并且有大量的重复项，因此它的性能成本也很高，我只会在unique_everseen调用的itertools个方法中添加read_file。）

找到文件之间的通用列表

1 个答案: