如何查找两个 CSV 文件的交集或子集答案

【问题标题】：How to find intersection or subset of two CSV files如何查找两个 CSV 文件的交集或子集
【发布时间】：2017-02-02 08:24:31
【问题描述】：

我有 2 个包含两列和大量行的 CSV 文件。第一列是 id，第二列是成对值的集合。例如：

CSV1：

1 {[1,2],[1,4],[5,6],[3,1]}

2 {[2,4] ,[6,3], [8,3]}

3 {[3,2], [5,2], [3,5]}

CSV2：

1 {[2,4] ,[6,3], [8,3]}

2 {[3,4] ,[3,3], [2,3]}

3 {[1,4],[5,6],[3,1],[5,5]}

现在我需要获取一个 CSV 文件，其中包含完全匹配的项目或属于两个 CSV 的子集。

这里的结果应该是：

{[2,4] ,[6,3], [8,3]}

{[1,4],[5,6],[3,1]}

任何人都可以建议使用 python 代码来执行此操作吗？

【问题讨论】：

【解决方案1】：

正如answer 所建议的，您可以使用set.intersection 来获取两组的交集，但这不适用于作为项目的列表。相反，您也可以使用filter（相当于this answer）：

>>> l1 = [[1,2],[1,4],[5,6],[3,1]]
>>> l2 = [[1,4],[5,6],[3,1],[5,5]]
>>> filter(lambda q: q in l2, l1) 
[[1, 4], [5, 6], [3, 1]]

在 Python 3 中，您应该将其转换为 list，因为 filter 返回一个可迭代对象：

>>> list(filter(lambda x: x in l2,l1))

您可以使用 csv.reader 或 pandas.read_csv 加载 CSV 文件（如果它们真的是逗号 [或其他字符] 分隔的文件）。

【讨论】：