比较两个 CSV 文件并导出 Python 中的异同？

Question

大家好，所以我在尝试使用两个单独的 CSV 文件来完成我需要的事情时遇到了一些麻烦。我发现一些散布在网络上的脚本可以做我想做的事，但不完全是。我不再有我尝试过的代码，因为我已经多次删除不同的代码，以至于我已经盯着一个空白的 py 文件看了很长时间。首先是 CSV 文件。

netscan.csv（包含计算机名称和序列号，有正确的数据，有型号）

Name        Serial   Models
computer1   serial1  model1
computer2   serial2  model2
computer3   serial3  model3
computer4   serial4  model4
...         ...

computer_list.csv（包含计算机名称和序列号，名称正确，名称不在 netscan.csv 中，没有型号，序列号错误）

Name        Serial    Models
computer1   serialZ
computerH   serialN/A
computer3   serialQ
computer4   serialX
computer2   serialM
computerP   serialN/A

所以我想做的是查看这两个文件，如果Name 列中的值匹配，我希望它将netscan.csv 中的行打印到一个新文件中，并对每一行执行此操作。之后，我希望它采用所有不存在的（例如 netscan.csv 中不存在的 computerH）并将它们添加到更新的正确信息下的新 csv 中。像这样的：

Name        Serial   Models
computer1   serial1  model1
computer2   serial2  model2
computer3   serial3  model3
computer4   serial4  model4
computerH   serialN/A
computerP   serialN/A

我已经尝试过合并、for 循环、写入行等，但我现在不知道如何才能做到这一点。任何帮助将不胜感激。

编辑：@unutbu 我从你的代码中得到的基本上是

Name     Serial    Models
computer1   serial1  model1
computer2   serial2  model2
computer3   serial3  model3
computer4   serial4  model4
computerH   serialN/A
computerP   serialN/A
computer2   serialN/A
computer3   serialN/A
computer4   serialN/A

因此，尽管几乎所有内容都正确，但 computer_list.csv 中仍有重复的 Name 行，如果它们被正确的信息替换，则需要将其删除。所以我想查找具有重复名称的行，如果 Serial 为 serialN/A，则将其删除。希望这更有意义。

Answer 1

您可以合并netscan 和computer 数据帧，然后用SerialN/A 填充Serial 列中的缺失值。

import pandas as pd
netscan = pd.read_csv('netscan.csv')
computer = pd.read_csv('computer_list.csv', usecols=['Name'])
for df in [netscan, computer]:
    df['Name'] = df['Name'].str.rstrip()
result = pd.merge(netscan, computer, on='Name', how='outer')
result['Serial'] = result['Serial'].fillna('SerialN/A')
result.to_csv('result.csv', index=False)
print(result)

生成一个 CSV 文件 (result.csv)，其中包含

Name,Serial,Models
computer1,serial1,model1
computer2,serial2,model2
computer3,serial3,model3
computer4,serial4,model4
computerH,SerialN/A,
computerP,SerialN/A,

Answer 2

这可能有助于各种比较

import numpy as np
import pandas as pd
#file_name = "list.xlsx"
df = pd.DataFrame({'List1':[1,2,3,4,5,5,11,4],'List 2':[3,5,6,8,9,3,4,9]}, columns=['List1', 'List 2'])#pd.read_excel(file_name, sheetname=0)
print(df)
#df.to_excel("list1.xlsx", header=True, index=False)
df['Intersect']=pd.DataFrame(np.intersect1d(df['List1'], df['List 2'])) #unique common in both
df['commonin1']=df['List1'][np.in1d(df['List1'], df['List 2'])] #non unique common items of list 1
df['commonin2']=df['List 2'][np.in1d(df['List 2'], df['List1'])] #non unique common items of list 2
df['1not2']=pd.DataFrame(np.setdiff1d(df['List1'], df['List 2'])) #in list1 but not in list 2
df['2not1']=pd.DataFrame(np.setdiff1d(df['List 2'], df['List1'])) #in list 2 but not in list1
df['1not2NU']=df['List1'][~np.in1d(df['List1'], df['List 2'])] #in list1 but not in list 2 non unique
df['2not1NU']=df['List 2'][~np.in1d(df['List 2'], df['List1'])] #in list 2 but not in list1 non unique
df['exclusive']=pd.DataFrame(np.setxor1d(df['List1'], df['List 2'])) # in a and not b + in b but not a
df=pd.concat([df,pd.DataFrame(np.union1d(df['List1'], df['List 2']), columns=['Union'])], axis=1) # unique all
df

Answer 3

看看这个：

import pandas as pd
netscan = pd.read_csv('netscan.csv', header=0) # read netscan.csv and columns names are from the first row of your csv
computer_list = pd.read_csv('computer_list.csv', header=0)

# An inner merge keeps only row found in both pandas.DataFrame 
computer_match = netscan.merge(right=computer_list, how='inner', on='Name', suffixes=('netscan_', 'computer_list_'))

# Get list of Name of computers that matches
match_list = computer_match.Name.unique().tolist()

# Get characteristics of not matched computers
computer_no_match = computer_list.loc[computer_list.Name.isin(match_list), :]

# Finally, save everything to CSV
computer_match.to_csv('computer_match.csv', index=False)
computer_no_match.to_csv('computer_no_match.csv', index=False)