2

我有一个包含 2000 个文件的列表，我想将它们合并：

01-0628-11A-01D-0356-01_hg19
01-0628-11A-01D-0356-01_hg20
01-0628-11A-01D-0356-01_hg21
01-1372-11A-01D-0356-01_hg16
01-1372-11A-01D-0356-01_hg17
...


我已经将文件放入一个 glob，并使用正则表达式将文件重命名为通用标识符（如下所示的六位代码），但是每个标识符都有不同数量的原始文件。

01-0628
01-0628
01-0628
01-1372
01-1372
...

我最初打算只使用阅读器并使用通用名称打开每个文件，但我想知道是否有更有效的方法来做到这一点。

我想要的最终输出如下，每个具有通用标识符的文件都合并为一个：

01-0628
01-1372
...

所有文件都包含类似格式的数据，因此只需将现有文件附加到新文件就不会成为问题。

4

1 回答 1

1

假设这些 csv 具有相似或相同的字段。这段代码应该可以工作。它使用 csv 模块的 DictReader 和 DictWriter 类将 csv 行转换为 Python 字典。

1) 它从 in_csv_dir 打开并读入全局 csv 文件到 (filename, rows) 字典中。

2) 它根据文件名和 prefix_length 变量将 csv 行分组到 (prefix, rows) 字典中。

3）它将每个前缀分组的字段组合起来，并在out_csv_dir中创建一个组合的csv。

4）由于字典键是无序的，你的 csvs 可能有特定的字段顺序。这可以输入到 field_order。这将对 csv 字段进行排序，但不会在 field_order 中未定义的字段上失败。

import os
import sys

# Import System libraries
from csv import DictReader, DictWriter
import glob

in_csv_dir = ".\\csvs"
out_csv_dir = ".\\combined_csvs"
prefix_length = 2

field_order = ["NAME", "TITLE", "COMPANY", "LOCATION"]
field_check = lambda q: field_order.index(q) if(field_order.count(q)) else sys.maxint
csvs = {}
gotten_files = glob.glob(os.path.join(in_csv_dir, "*.csv"))
for glob_filename in gotten_files:
    print "%-11s%s" % ("Opening:", glob_filename)
    file_obj = open(glob_filename, "rb")
    cur_reader = DictReader(file_obj)
    cur_record = [q for q in cur_reader.__iter__()]
    file_obj.close()
    if(cur_record):
        (path, filename_ext) = os.path.split(glob_filename)
        (filename, ext) = os.path.splitext(filename_ext)
        csvs[filename] = cur_record

csv_prefixes = list(set([x[:prefix_length] for x in csvs.keys()]))
csv_groups = dict([(prefix, []) for prefix in csv_prefixes])
map(lambda (key, value): csv_groups[key[:prefix_length]].extend(value), csvs.items())

for (key, sub_csvs) in csv_groups.items():
    com_keys = list(reduce(lambda x, y: x|set(y.keys()), sub_csvs, set([])))
    com_keys.sort(cmp=lambda x, y: field_check(x) - field_check(y))

    filename = os.path.join(out_csv_dir, "%s.csv" % key)
    print "%-11s%s" % ("Combining:", filename)
    file_obj = open(filename, "wb")
    temp_csv = DictWriter(file_obj, com_keys)

    temp_csv.writerow(dict(zip(com_keys, com_keys)))
    map(lambda x: temp_csv.writerow(x), sub_csvs)
    file_obj.close()
于 2013-07-03T12:26:59.267 回答