比较两个单独的 csv 文件中的多个列，并在它们匹配时解析匹配的字符串值

Question

我需要比较两个单独 csv 文件中的多列，当前 4 列在两个 csv 文件之间全部匹配时，创建一个具有匹配四列的新 csv 文件，然后添加第二个 csv 的第 5 列和第 7 列文件，并将第一个 csv 文件第 8 列解析为第二个 csv 文件中的任何列。如果它们匹配，则取后续列的值。我知道这听起来令人困惑，但下面显示了我正在尝试做的事情

第一个.csv

Address ID X Y col5 col6 col7 col8 col9 
Bob     16 1 2  x    x    x    ABC  #1
Jon     6  5 7  x    x    x    ABC  #2
Rem     16 4 9  x    x    x    ABC  #3
Bob     16 2 3  x    x    x    ABC  #4

第二个.csv

Address ID X Y col5 col6 col7 col8 col9 col10 col11 col12 col13 col14 col15 
Bob     16 1 2  x    x    x    def  #    ABC    #5   ghi    #    jkl   # 
Bob     16 1 3  x    x    x    def  #    ABC    #    ghi    #    jkl   #
Jon     6  5 7  x    x    x    def  #    ghi    #    ABC    #6   jkl   #
Jon     6  5 8  x    x    x    def  #    ghi    #    ABC    #    jkl   #
Rem     16 4 9  x    x    x    def  #    ghi    #    jkl    #    ABC   #7
Rem     16 4 8  x    x    x    def  #    ghi    #    jkl    #    ABC   #
Bob     16 2 3  x    x    x    ABC  #8   def    #    ghi    #    jkl   #
Bob     16 2 6  x    x    x    ABC  #    def    #    ghi    #    jkl   # 

输出.csv

Address ID X Y 1 2 3   4   5  6
Bob     16 1 2 x x x  ABC #1 #5
Jon     6  5 7 x x x  ABC #2 #6
Rem     16 4 9 x x x  ABC #3 #7
Bob     16 2 3 x x x  ABC #4 #8

我一直在尝试使用以下条件语句：

pathFirst = "C:\First.csv"
pathFinal  = "C:\Second.csv"

dataFirst = pd.read_csv(pathFirst)
dataFinal = pd.read_csv(pathFinal)

Output = pd.DataFrame(columns=['status'], index=dataFirst.index)
Output['status'] = (dataFirst['Address'] == dataFinal['address'] & dataFirst['ID'] == dataFinal['ID']).replace([True, False], ['Matching', 'Not Matching'])

Output.to_csv('C:\output.csv')

只是看看是否有一条线实际上比较正确，但似乎只有一对。我知道我做错了，我希望这能得到很好的解释，所以我非常感谢任何帮助。谢谢。

编辑： 我只希望前四列匹配。地址、ID、X、Y 之后，我想将 First.csv 文件中的第 4 列字符串值与 Second.csv 中第 4、6、8 或 10 列中的相同字符串值匹配。如果它们匹配，则从下一列中获取#value。因此，如果 Second.csv 第 1 行第 6 列与 First.csv 文件中的字符串匹配，那么我想要 Second.csv 第 1 行第 7 列 #value。

Answer 1

试试这个

df1 = pd.read_csv('first.csv')
df2 = pd.read_csv('second.csv')

res = df1.merge(df2.iloc[:, :4], on=['Address', 'ID', 'X', 'Y'])

val = [np.where(df2[str(n)].isin(df1['4']), df2[str(n + 1)], np.nan) for n in range(4, 11, 2)]

res['6'] = pd.DataFrame(val).replace('#', np.nan).T.dropna(how='all').bfill(axis=1)[0].to_list()

print(res)

输出：

  Address  ID  X  Y  1  2  3    4   5   6
0     Bob  16  1  2  x  x  x  ABC  #1  #5
1     Jon   6  5  7  x  x  x  ABC  #2  #6
2     Rem  16  4  9  x  x  x  ABC  #3  #7
3     Bob  16  2  3  x  x  x  ABC  #4  #8