Question

比较两个csv文件，需要共享所需的结果，例如数字值中的diff，字段值类型，记录数等。

输入文件A（Expected: {"cityFilterChanged": [Function anonymous]} Received: serializes to the same string）：

XYZ_20190908.csv

输入文件B（Name,F1,F2,F3,F4,F5,F6,F7,F8,F9,F10 K1 data,8470,37609,18413,13799,24946,27870,376,24573,27247,41569,687 Total VoLte Traffic,130944.126111,689417.554722,208189.652500,196002.846944,223558.256111,501265.626667,2508.617222,200054.686389,174738.403056,394327.636389,2017.576667 K2 Data,11163.201111,52680.898056,19920.813333,15878.103611,18247.582222,40295.689444,264.738333,17732.341111,15486.259444,32662.475833,199.080278 K3 Data,NaN,NaN,NaN,NaN,NaN,NaN,NaN,NaN,NaN,NaN,NaN K4 Data,11163.201111,52680.898056,19920.813333,15878.103611,18247.582222,40295.689444,264.738333,17732.341111,15486.259444,32662.475833,199.080278）：

XYZ_20190909.csv

输出：

对应字段的每个值的差异。
如果所有值均为“ NaN”错误
将文件A中的值与文件B中的值进行比较，如果该值对应于具有不同数据的两个文件中的位置具有不同的数据类型（例如文件A具有52680.898056，文件B中的值为NaN）应显示错误

需要帮助。

Answer 1

我建议您使用Pandas库。它有一些有用的方法来处理这类问题，例如to_csv和read_csv。

Answer 2

使用熊猫：

df1 = pd.read_csv(`XYZ_20190908.csv`)
df2 = pd.read_csv(`XYZ_20190909.csv`)

确保它们具有相同的列和索引结构，以便您可以按期望的方式合并或合并它们

df = pd.concat([df1,df2])

仅当行和/或列在逻辑上对齐时才有意义。

合并后，您可以进行任何熊猫操作。具体来说，可以为您指出问题a）b）和c）的方向：

df['diff']=df.col_df1 - df.col_df2
df.isna()
df.apply(lambda x: if type(x.col_df1) == type(x.col_df2) True else False, axis = 1)

但是问题过于广泛，数据结构不精确，无法正确回答您的问题。

比较2个CSV文件和数值

2 个答案: