我有两个csv文件,都包含在第1天和第2天发布的推文。我想比较推文的作者以发现新用户。
day1.csv看起来像这样:
authorID
451223
120346
122355
787456
day2.csv看起来像这样:
authorID
451223
025660
122355
022000
使用day1.csv作为数据库...我想比较作者ID ..任何新作者(即day2.csv中的作者但不是day1.csv中的作者),我输出了作者的ID。请问如何在python 3.XX中执行此操作
答案 0 :(得分:1)
如果您将两个CSV文件作为iterables(f.readlines()
?)加载,那么您可以简单地使用设置差异来返回一个新的集合,其中包含day2.csv中不在day1.csv中的元素:
>>> day1 = ['authorID',451223,120346,122355,787456]
>>> day2 = ['authorID',451223,025660,122355,022000]
>>> set(day2) - set(day1)
set([11184, 9216])
或
>>> set(day2).difference(day1)
set([11184, 9216])
答案 1 :(得分:0)
你可以这样做:
import pandas as pd
df1=pd.DataFrame({'authorID':['12','34','56']})
df2=pd.DataFrame({'authorID':['12','56','78','97']})
original_users=set(df1[['authorID']].values.reshape(-1))
for i in df2[['authorID']].values.reshape(-1):
if i not in original_users:
print(i)
然后df1
是
u
0 12
1 34
2 56
和df2
是
u
0 12
1 56
2 78
3 97
输出
78
97
请注意,df1[['authorID']].values.reshape(-1)
使您可以将列转换为可以迭代的列表。对于这个特例,
df1[['authorID']].values.reshape(-1)
是array(['12', '34', '56'], dtype=object)
。将此数组转换为set
以提高复杂性。
答案 2 :(得分:0)
另一种比较两组authorID
s之间差异的方法:
>>> old = {'451223', '120346', '122355', '787456'}
>>> new = {'451223', '025660', '122355', '022000'}
>>> {x for x in new if x not in old}
{'025660', '022000'}
答案 3 :(得分:0)
假设day1
和day2
是数据框...使用merge
indicator
参数设置为True
day1.merge(day2, 'outer', indicator=True).query('_merge != "both"')
authorID _merge
1 120346 left_only
3 787456 left_only
4 25660 right_only
5 22000 right_only