我尝试匹配某些CSV的某些数据时遇到了一些麻烦。我在下面有一些示例CSV,其中包含我正在使用的数据的基本结构。
我尝试将CSV 2中A列的值与CSV 1中E列的值匹配,然后如果匹配,则将CSV 1中的行写入新CSV。
代码
with open(CSV1,"r") as f, open(CSV2,"r") as g, open("Match.csv","w",newline='') as h:
rdr1 = csv.reader(f)
rdr2 = csv.reader(g)
wtr = csv.writer(h)
for r in rdr1:
for s in rdr2:
if (s[0] == r[4]):
print("match")
我正在使用一个包含100,000行的数据集,因此会有更多匹配,匹配会重复几次。在这个例子中,只有一次匹配两次(92)。
使用我的代码,我假设我循环遍历第一个CSV中的所有行,并且对于每一行,我循环遍历第二个CSV中的所有行。如果值相等,我打印'匹配'。
我遇到的问题是它最多只打印一次“匹配”。我试着考虑一下,但我现在几乎陷入困境。每当值[0]等于r [4]时,控制台不应该打印“匹配” - 在这个例子中,这会多次发生。
我想确保每次匹配时,作者在我的输出CSV中写入一个新行,但我只是得到第一个匹配。救命啊!
CSV 1
A B C D E
A Test1 0.101534549 0.590695315 95
B Test2 0.8264073 0.120144407 44
C Test3 0.977242848 0.067444475 97
D Test4 0.270980415 0.524929719 62
E Test5 0.059128388 0.260576647 36
F Test6 0.571208391 0.246145371 85
G Test7 0.098088188 0.618968191 91
H Test8 0.898575649 0.56778217 88
I Test9 0.233745198 0.514747763 2
J Test10 0.452100086 0.749702553 97
K Test11 0.493666064 0.002437728 80
L Test12 0.052633239 0.864048743 22
M Test13 0.635517951 0.716967917 21
N Test14 0.921723813 0.766473275 22
O Test15 0.54634609 0.853116802 92
P Test16 0.400754273 0.993727094 61
Q Test17 0.549368986 0.868975583 46
R Test18 0.301279637 0.222360597 65
S Test19 0.152111468 0.698786954 1
T Test20 0.313768676 0.354556772 21
CSV 2
A
29
7
52
66
27
91
27
33
84
85
41
92
80
22
15
61
62
17
21
92
答案 0 :(得分:2)
这样的事情应该有效:
with open(CSV1, 'r') as f, open(CSV2, 'r') as g, open('Match.csv', 'w', newline='') as h:
rdr1 = csv.reader(f)
rdr2 = csv.reader(g)
wtr = csv.writer(h)
# build up a set of everything in CSV2
haystack = set()
for i, line in enumerate(rdr2):
if i == 0:
continue # skip header line
haystack.add(line[0])
# check each line for a match in our set
for line in rdr1:
needle = line[4]
if needle in haystack:
wtr.writerow(line)
它保持与您正在做的相同的基本想法,但是将一整个文件读入一个集合(名为haystack),然后我们检查目标单元格的成员资格(名为needle)。
正如Shiva和一些评论者指出的那样,问题是g
的文件指针在每次新迭代时都没有重置到开头。此解决方案仅通过读取文件一次来回避倒带。
答案 1 :(得分:1)
代码中的错误是g
需要在每个循环中重新回到文件的开头,每次回放时都需要在其上调用csv_reader
。像这样:
for r in rdr1:
g.seek(0) # seek to the beginning of the file
s = csv.reader(g) # restart iterator
for s in rdr2:
if s[0] == r[4]:
print("match")
比每次必须回退到文件开头(这可能是一项昂贵的操作)更快的解决方案是将所有行读入局部变量,然后使用列表推导执行类似集合的“交集”。像这样:
with open(CSV1) as f, open(CSV2) as g, open('foo-match.csv', 'w') as h:
lines1 = [line.split(',') for line in f]
lines2 = [line.split(',') for line in g]
commonlineindices = [i1 for (i1, row1) in enumerate(lines1) for row2 in lines2 if row1[4]==row2[0]]
print(commonlineindices)
h.writelines([','.join(lines1[index]) for index in commonlineindices])
这会计算您需要的行索引。一旦你有了这个,就可以直接打印出那些相应的行。