我有一个从网站上删除的地址列表，我想将它与之前的scrape中的地址列表进行比较以合并并删除重复项。我删除的列表有邮政编码，有时是城市，而以前的清单只有城市，没有拉链。我的最终目标是合并所有重复项并保留条目而不重复。
以下是我想要合并的2个条目的示例：
['2 DUDES RC HOBBIES', 'SALT LAKE CITY', 'UT', '84106', '(801) 849-0292']
['2 DUDES RC HOBBIES', 'SALT LAKE CITY', 'UT', '', '(801) 849-0292']
这是另一个片段：
['1 STOP HOBBY & CRAFT SHOP', 'BATH', 'NY', '', '(607) 776-9293']
['1/32 SLOTCAR RACEWAY', 'UNIVERSITY PLACE', 'WA', '', '(253) 255-1807']
['2 DUDES RC HOBBIES', 'SALT LAKE CITY', 'UT', '84106', '(801) 849-0292']
['2 DUDES RC HOBBIES', 'SALT LAKE CITY', 'UT', '', '(801) 849-0292']
['2 JACKS HOBBIES AND MORE', 'LAFAYETTE', 'LA', '70507', '(337) 212-2916']
['2 JACKS HOBBIES AND MORE', 'LAFAYETTE', 'LA', '', '(337) 212-2916']
['3D HOBBIES', 'SOCIAL CIRCLE', 'GA', '', '(678) 283-9662']
['3DXHOBBIES', 'GREEN BROOK', 'NJ', '', '(732) 424-6400']
['5TH GEAR POWERSPORTS', 'ELKO', 'NV', '89801', '(775) 777-3373']
['5TH GEAR POWERSPORTS', 'ELKO', 'NV', '', '(775) 777-3373']
第1和第2条应保留，而第3和第4条应合并
编辑：
如果我不清楚，我很抱歉，这是我第一次发帖提问，我还有很多需要学习的地方。我会尝试更好地解释我的问题。
我有两个包含商店列表的CSV文件。两个文件都有相同的字段;姓名，城市，州，邮编，电话。一个文件在ZIP列中有数据而另一个文件没有。目标是最终得到一个CSV文件，该文件包含具有邮政编码的文件所独有的商店。
without_zips = []
with open('without_zips.csv', newline='') as f:
reader = csv.reader(f)
for row in reader:
without_zips.append(row)
with_zips = []
with open('with_zips.csv', newline='') as f:
reader = csv.reader(f)
for row in reader:
with_zips.append(row)
使用@kzimmerman方法建议有效，但我用without_zips切换了with_zips的每个实例。以下代码有效：
for without_zip_entry in without_zips:
this_telephone = without_zip_entry[-1]
for i, zip_entry in enumerate(with_zips):
that_telephone = zip_entry[-1]
if this_telephone in that_telephone:
# Remove duplicate without zip code
del with_zips[i]
答案 0 :(得分：1)
嗯，这个答案不是以pythonic的方式，但至少它应该让你知道下一步该去哪里。
a = ['1 STOP HOBBY & CRAFT SHOP', 'BATH', 'NY', '', '(607) 776-9293']
a1 = ['1/32 SLOTCAR RACEWAY', 'UNIVERSITY PLACE', 'WA', '', '(253) 255-1807']
a2 = ['2 DUDES RC HOBBIES', 'SALT LAKE CITY', 'UT', '84106', '(801) 849-0292']
a3 = ['2 DUDES RC HOBBIES', 'SALT LAKE CITY', 'UT', '', '(801) 849-0292']
a4 = ['2 JACKS HOBBIES AND MORE', 'LAFAYETTE', 'LA', '70507', '(337) 212-2916']
a5 = ['2 JACKS HOBBIES AND MORE', 'LAFAYETTE', 'LA', '', '(337) 212-2916']
a6 = ['3D HOBBIES', 'SOCIAL CIRCLE', 'GA', '', '(678) 283-9662']
a7 = ['3DXHOBBIES', 'GREEN BROOK', 'NJ', '', '(732) 424-6400']
a8 = ['5TH GEAR POWERSPORTS', 'ELKO', 'NV', '89801', '(775) 777-3373']
a9 = ['5TH GEAR POWERSPORTS', 'ELKO', 'NV', '', '(775) 777-3373']
data = [a, a1, a2, a3, a4, a5, a6, a7, a8, a9]
result = dict()
for item in data:
key = item[0]
if key in result.keys():
# merge them here
if item[4]:
result[key][4] = item[4]
continue
result[key] = item
for item in result.values():
print item
以下是您必须做的事情： - 在每个列表中定义唯一键。你应该知道这个列表。如果你想使用它们中的多个 - 它仍然可能，但更难。如果你这样做，请阅读＃better-options部分。 - 定义如何合并它们。什么数据被认为是有效的。 - 删除无效数据或在其他结构中存储有效的和合并的数据。
您可能不希望以我上面描述的方式执行此操作，就好像您有数百万行，最好将它们保存到数据库中。 SQLite将是一个不错的选择。算法大部分是相同的，可能需要更长的时间，但数据将是持久的，如果代码中发生某些事情或临时内存，您将不会松开它。
如果您正在尝试执行与数据科学相关的任何事情，您可能正在使用pandas，这种方法可以通过字段对DataFrame进行分组。
它能回答你的问题吗？
答案 1 :(得分：0)
如果您可以合理地假设电话号码应该是唯一的（我们通常不能依赖姓名，城市，州和邮政编码是唯一的），那么以下内容可能是您的解决方案。不幸的是，以下解决方案可能会有很长的运行时间，具体取决于列表的大小（O（n ^ 2））。
without_zips = [['1 STOP HOBBY & CRAFT SHOP', 'BATH', 'NY', '', '(607) 776-9293'],
['1/32 SLOTCAR RACEWAY', 'UNIVERSITY PLACE', 'WA', '', '(253) 255-1807'],
['2 DUDES RC HOBBIES', 'SALT LAKE CITY', 'UT', '', '(801) 849-0292'],
['2 JACKS HOBBIES AND MORE', 'LAFAYETTE', 'LA', '', '(337) 212-2916'],
['3D HOBBIES', 'SOCIAL CIRCLE', 'GA', '', '(678) 283-9662'],
['3DXHOBBIES', 'GREEN BROOK', 'NJ', '', '(732) 424-6400'],
['5TH GEAR POWERSPORTS', 'ELKO', 'NV', '', '(775) 777-3373']]
with_zips = [['2 DUDES RC HOBBIES', 'SALT LAKE CITY', 'UT', '84106', '(801) 849-0292'],
['2 JACKS HOBBIES AND MORE', 'LAFAYETTE', 'LA', '70507', '(337) 212-2916'],
['5TH GEAR POWERSPORTS', 'ELKO', 'NV', '89801', '(775) 777-3373']]
for with_zip_entry in with_zips:
this_telephone = with_zip_entry[-1]
for i, no_zip_entry in enumerate(without_zips):
that_telephone = no_zip_entry[-1]
if this_telephone in that_telephone:
# Remove duplicate without zip code
del without_zips[i]
print(without_zips+with_zips)