Question

我想比较两个csv文件中的列，并提取匹配的值如下：

file1.csv

115.06603,5.9

114.74721,5.4

114.85107,6.2

111.17744,5.5

192.77787,3.2

189.70226,5

0.46762,3.7

2.21539,3.5

2.96667,3.6

而file2.csv

115.06603

114.74721

114.85107

111.17744

输出文件file3.csv应为

115.06603,5.9

114.74721,5.4

114.85107,6.2

111.17744,5.5

我使用了以下代码，但输出文件只提供第一列而不是两列。你能帮我解决这个问题吗？

>>> with open("file1.csv", "rb") as in_file1, open("file2.csv", "rb") as in_file2,    open("file3.csv", "wb") as out_file:
...   reader1 = csv.reader(in_file1)
...   reader2 = csv.reader(in_file2)
...   writer = csv.writer(out_file)
...   for row2 in reader2:
...     for row1 in reader1:
...       if row2[0] == row1[0]:
...         row2[1] = row1[1]
...     writer.writerow(row2)

修改我使用了你的代码，但第一部分给出了以下错误：

data1 = {}
with open("file1.csv", "rb") as in_file1:
...   reader1 = csv.reader(in_file1)
...   for row1 in reader1:
...     data1[row1[0]] = row1[1]
... 
Traceback (most recent call last):
File "<stdin>", line 4, in <module>
IndexError: list index out of range

由于file1.csv中的分隔符是;不，我添加了delimiter =';'如下

data1 = {}
with open("file1.csv", "rb") as in_file1:
...   reader1 = csv.reader(in_file1, delimiter=';')
...   for row1 in reader1:
...     data1[row1[0]] = row1[1]
Traceback (most recent call last):
File "<stdin>", line 4, in <module>
IndexError: list index out of range

与您看到的错误相同

我添加了in.file.seek（0），如下所示

data1 = {}
with open("file1.csv", "rb") as in_file1:
...   reader1 = csv.reader(in_file1)
...   for row1 in reader1:
...     in_file1.seek(0)
...     data1[row1[0]] = row1[1]
... 
Traceback (most recent call last):
File "<stdin>", line 5, in <module>
IndexError: list index out of range

同样的错误。问题是什么？我很沮丧。

修改

我用来删除空行的代码

with open("file2.csv", "r") as in_file2, open("out.csv", "w") as out_file:
...  reader2 = csv.reader(in_file2)
...  writer = csv.writer(out_file)
...  for row in reader2:
...    if any(field.strip() for field in row):
...      writer.writerow(row)

Answer 1

这一行

row2[1] = row1[1]

不起作用，因为row2 [1]尚不存在。

你应该使用

row2.append(row1[1])

代替。

修改此外，内部for循环也只是第一次执行，因为文件只能迭代一次。您应该执行以下操作：

data1 = {} with open("file1.csv", "rb") as in_file1: reader1 = csv.reader(in_file1) for row1 in reader1: data1[row1[0]] = row1[1] with open("file2.csv","rb") as in_file2, open("file3.csv","wb") as out_file: reader2 = csv.reader(in_file2) writer = csv.writer(out_file) for row2 in reader2: if row2[0] in data1: row2.append(data1[row2[0]]) writer.writerow(row2)

请注意，这实际上会将所有file1加载到内存中。如果这是一个问题，您可以通过在原始代码中迭代读取器1之后添加in_file1.seek(0)（或等同于回放与csv读取器一起使用的文件的东西）来解决仅读取文件一次的问题。该方法将比我提供的方法慢。

Answer 2

Awk很容易为你做到这一点：

awk -F, 'FNR==NR{a[$1]=$0;next}{print a[$1]}' file1.csv file2.csv

结果：

115.06603, 5.9
115.06603, 5.9
114.74721, 5.4
114.74721, 5.4
114.74721, 5.4
114.74721, 5.4
114.85107, 6.2
114.85107, 6.2
114.85107, 6.2
114.85107, 6.2
114.85107, 6.2
111.17744, 5.5
111.17744, 5.5

以下是它的工作原理......首先，“-F”表示字段分隔符是逗号。然后，“FNR == NR”部分告诉awk在查看第一个文件（file1.csv）时只处理第一组花括号（{}）之间的东西。也就是说，将整行（$ 0）存储到一个名为“a”的数组中，该数组位于file1.csv的第一列所指示的位置。第二组花括号（{}）之间的片段适用于file2.csv的处理。它表示在当前文件的第一列（file2.csv）给出的索引处打印数组“a”中的条目。

比较两个csv文件中的列，并在第三个csv文件中提取匹配的列

2 个答案: