用python比较两种不同格式的csv文件答案

【问题标题】：compare two different formats csv fils with python用python比较两种不同格式的csv文件
【发布时间】：2019-12-18 14:05:38
【问题描述】：

我需要比较两种不同格式的 CSV 文件，第一个文件包含主机名和 IP 地址，第二个文件包含主机名、IP 地址、操作系统类型和正常运行时间。目标是从第一个文件中获取主机名，并将其与第二个文件中的主机名进行比较，如果可以，代码会为我提供操作系统类型和正常运行时间。这是我的第一次代码测试。

import sys

# f = sys.stdin
# If you need to open a file instead:
f_vm_srv = open('serveurs.csv')
f_srv_list =  open('fqdn-ip.txt')

for line1 in f_srv_list:
    hostname=line1.strip().split(";")
    for line in f_vm_srv:
        fields = line.strip().split(";")
        if fields[0] == hostname[0]:
            print (fields[12])

f_vm_srv.close()
f_srv_list.close()

但是这段代码只给了我第一行结果。

【问题讨论】：

首先至少为内部循环读取所有行，因为当它到达文件末尾时它不会再次从文件中读取行（这意味着当你第二次运行内部循环时）

标签： python file csv

【解决方案1】：

尝试将您的代码更改为：

import sys

# f = sys.stdin
# If you need to open a file instead:
f_vm_srv = open('serveurs.csv')
f_srv_list =  open('fqdn-ip.txt')

# read in the lines from the file
f_svr_list_lines = f_srv_list.readlines()
f_vm_srv_lines = f_vm_srv.readlines()

for line1 in f_svr_list_lines:
    hostname=line1.strip().split(";")
    for line in f_vm_srv_lines:
        fields = line.strip().split(";")
        if fields[0] == hostname[0]:
            print (fields[12])

f_vm_srv.close()
f_srv_list.close()

您还可以考虑以 Pandas DataFrames 的形式读取文件（请参阅 tha pandas read_csv function）。

【讨论】：

【解决方案2】：

如果您将不得不在 python 中大量使用 csv 并需要执行复杂的操作，那么我强烈建议您熟悉 pandas。

您将能够使用 read_csv 轻松加载 2 个文件，并使用 ["column_name"] 运算符轻松提取列。

【讨论】：

【解决方案3】：

您可以使用 Pandas 库，对读取 csv 很有用。

假设 file1 是包含 IP 和主机名的文件，另一个文件是 file2。此外，我认为这两个文件的组成如下：

IP_value;hostname_value //file1
IP_value;hostname_value;OStype_value;uptime_value //file2

所以，我阅读了 csv 文件：

import sys
import pandas as pd

df1 = pd.read_csv('file1.csv', sep=';', names=['ip', 'hostname'])
df2 = pd.read_csv('file2.csv', sep=';', names=['ip', 'hostname', 'ostype', 'uptime'])

现在，已经创建了两个 Dataframe 对象。你在df2 上迭代df1，如果df1 的ip 等于df2 的ip，你可以做你想做的事。

提示：您可以使用 df1['ip']! 访问 ip 值！

for ip1 in df1['ip']:
    for ip2 in df2['ip']:
        if ip1 == ip2:
            //Your code

另一种方法是使用 Numpy 库的函数 where 或 Pandas 库的函数 merge。

特别是，如果您想检查某个列上的相等值，函数merge 很有用。您将在一个新的数据框 (df3) 中合并两个数据框（在您的情况下为 df1 和 df2）：

df3 = pd.merge(df1, df2, on=['ip'], how='inner')

【讨论】：