如何在 Python 中比较两个 CSV 文件？

Question

我在 file2.csv 中有两个名为 file1.csv 和 file2.csv 的 CSV 文件只有一列只包含五条记录，并且在 file1.csv 我有三列包含超过一千条记录我想获取那些包含在 file2.csv 中的记录强> 例如这是我的 file1.csv

'A J1, Jhon1',jhon1@jhon.com, A/B-201 Test1
'A J2, Jhon2',jhon2@jhon.com, A/B-202 Test2
'A J3, Jhon3',jhon3@jhon.com, A/B-203 Test3
'A J4, Jhon4',jhon4@jhon.com, A/B-204 Test4
.......and more records

在我的 file2.csv 中，我现在只有 5 条记录，但未来可能会很多

A/B-201 Test1
A/B-2012 Test12
A/B-203 Test3
A/B-2022 Test22

所以我必须在 index[2] 或 index[-1]

从我的file1.csv 中查找记录

这就是我所做的，但它没有给我任何输出它只是返回空列表

import csv 

file1 = open('file1.csv','r')
file2 = open('file2.csv','r')

f1 = list(csv.reader(file1))
f2 = list(csv.reader(file2))


new_list = []

for i in f1:
  if i[-1] in f2:
     new_list.append(i)

print('New List : ',new_list)

它给了我这样的输出

New List :  []

如果我做错了什么请帮助纠正我。

Answer 1

方法一：pandas

使用pandas 可以相对轻松地完成此任务。 DataFrame documentation here.

示例：

在下面的示例中，两个 CSV 文件被读入两个 DataFrame。使用匹配列上的内连接合并 DataFrame。

输出显示合并后的结果。

import pandas as pd

df1 = pd.read_csv('file1.csv', names=['col1', 'col2', 'col3'], quotechar="'", skipinitialspace=True)
df2 = pd.read_csv('file2.csv', names=['match'])

df = pd.merge(df1, df2, left_on=df1['col3'], right_on=df2['match'], how='inner')

quotechar 和skipinitialspace 参数作为file1 中的第一列被引用并包含逗号，并且在最后一个字段之前的逗号后面有前导空格。

输出：

    col1            col2            col3
0   A J1, Jhon1     jhon1@jhon.com  A/B-201 Test1
1   A J3, Jhon3     jhon3@jhon.com  A/B-203 Test3

如果您选择，可以轻松地将输出写回 CSV 文件，如下所示：

df.to_csv('path/to/output.csv')

有关其他 DataFrame 操作，请参阅上面链接的文档。

---

方法2：核心Python

以下方法不使用任何库，仅使用核心 Python。

1. 将来自file2 的匹配读入列表。
2. 遍历file1 并搜索每一行以确定最后一个值是否与file2 中的项目匹配。
3. 报告输出。

任何后续数据清理（如果需要）将取决于您的个人要求或用例。

示例：

output = []

# Read the matching values into a list.
with open('file2.csv') as f:
    matches = [i.strip() for i in f]

# Iterate over file1 and place any matches into the output.
with open('file1.csv') as f:
    for i in f:
        match = i.split(',')[-1].strip()
        if any(match == j for j in matches):
            output.append(i)

输出：

["'A J1, Jhon1',jhon1@jhon.com, A/B-201 Test1\n",
 "'A J3, Jhon3',jhon3@jhon.com, A/B-203 Test3\n"]