我有两个 csv 文件需要比较,然后吐出差异:
CSV 格式:
Name Produce Number
Adam Apple 5
Tom Orange 4
Adam Orange 11
我需要比较两个 csv 文件,然后告诉我工作表和工作表 2 上的亚当斯苹果之间是否存在差异,并对所有名称执行此操作并生成数字。两个 CSV 文件的格式相同。
任何指针将不胜感激
如果您的 CSV 文件不是那么大,如果您将它们加载到内存中,它们会使您的机器瘫痪,那么您可以尝试以下操作:
import csv
csv1 = list(csv.DictReader(open('file1.csv')))
csv2 = list(csv.DictReader(open('file2.csv')))
set1 = set(csv1)
set2 = set(csv2)
print set1 - set2 # in 1, not in 2
print set2 - set1 # in 2, not in 1
print set1 & set2 # in both
对于大文件,您可以将它们加载到 SQLite3 数据库中并使用 SQL 查询来执行相同操作,或者按相关键排序,然后进行匹配合并。
import csv
def load_csv_to_dict(fname, get_key, get_data):
with open(fname, 'rb') as inf:
incsv = csv.reader(inf)
incsv.next() # skip header
return {get_key(row):get_data(row) for row in incsv}
def main():
key = lambda r: tuple(r[0:2])
data = lambda r: int(r[2])
f1 = load_csv_to_dict('file1.csv', key, data)
f2 = load_csv_to_dict('file2.csv', key, data)
f1keys = set(f1.iterkeys())
f2keys = set(f2.iterkeys())
print("Keys in file1 but not file2:")
print(", ".join(str(a)+":"+str(b) for a,b in (f1keys-f2keys)))
print("Keys in file2 but not file1:")
print(", ".join(str(a)+":"+str(b) for a,b in (f2keys-f1keys)))
print("Differing values:")
for k in (f1keys & f2keys):
a,b = f1[k], f2[k]
if a != b:
print("{}:{} {} <> {}".format(k[0],k[1], a, b))
if __name__=="__main__":
main()
比较两个不同文件的最佳实用程序之一是diff
.
请参阅此处的 Python 实现:Comparing two .txt files using difflib in Python
如果您想将 Python 的 csv 模块与函数生成器一起使用,您可以使用嵌套循环并比较大型 .csv 文件。下面的示例使用粗略的比较来比较每一行:
import csv
def csv_lazy_get(csvfile):
with open(csvfile) as f:
r = csv.reader(f)
for row in r:
yield row
def csv_cmp_lazy(csvfile1, csvfile2):
gen_2 = csv_lazy_get(csvfile2)
for row_1 in csv_lazy_get(csvfile1):
row_2 = gen_2.next()
print("row_1: ", row_1)
print("row_2: ", row_2)
if row_2 == row_1:
print("row_1 is equal to row_2.")
else:
print("row_1 is not equal to row_2.")
gen_2.close()
这里是一个不使用的开始difflib
。这实际上只是一个构建点,因为也许亚当和苹果在纸上出现了两次;你能确保不是这样吗?应该将苹果相加,还是这是一个错误?
import csv
fsock = open('sheet.csv','rU')
rdr = csv.reader(fsock)
sheet1 = {}
for row in rdr:
name, produce, amount = row
sheet1[(name, produce)] = int(amount) # always an integer?
fsock.close()
# repeat the above for the second sheet, then compare
你明白吗?