2

我正在尝试搜索 csv 文件中特定列中的所有行，以查看它们是否包含另一个 csv 文件中的字符串。如果它们包含该字符串，我想将相应的值写入另一个特定列。

例如文件1：

Search Value,Location
UK,United Kingdom
United Kingdom,United Kingdom
United States,United States
Hong Kong,Hong Kong
Florida,"Florida, United States"

和文件2：

Name,Default,Geo Location
DRE UK,,
Production United States,,
Development Hong Kong,,
United Kingdom Sales,,
Florida Marketing,,

我想查找文件 2 中的名称包含文件 1 中搜索值的字符串的行，然后将文件 1 中位置的相应值写入文件 2 中的地理位置。所以结果是这样的：

Name,Default,Geo Location
DRE UK,,United Kingdom
Production United States,,United States
Development Hong Kong,,Hong Kong
United Kingdom Sales,,United Kingdom
Florida Marketing,,"Florida, United States"

我一直在寻找答案，我遇到了遍历一个 csv 文件的行以在另一个 csv 文件中查找相应数据的情况。我基于此开始了代码，但我不知道这是否是正确的，我被卡住了。

import csv

file1reader = csv.reader(open('file1.csv','rb'))
file2reader = csv.reader(open('file2.csv','rb'))
writer=csv.writer(open('file3.csv','wb'))

header1 = file1reader.next() #header
header2 = file2reader.next() #header


for Search Value, Location in file1reader:
    for Name, Default, Geo Location in file2reader:
        if Search Value in Name: # found it

提供的数据是我想做的一个例子。实际文件会很大，所以请记住这一点。

任何帮助表示赞赏。

编辑

如果我想在最终输出 (file3.csv) 中包含与条件不匹配的 file2.csv 中的原始行，我该怎么做？

例如，如果 file2 是这样的，我也希望包含不匹配的行：

Name,Default,Geo Location
DRE UK,,
Production United States,,
Development Hong Kong,,
United Kingdom Sales,,
Florida Marketing,,
Stuff,,Somewhere
More Stuff,,
4

2 回答 2

1

DictReader这是一个使用andDictWriter类的简单示例：

from csv import DictReader, DictWriter

with open('file1.csv') as fin1,\
     open('file2.csv') as fin2,\
     open('file3.csv', 'wb') as fout:

    reader1 = DictReader(fin1)
    reader2 = DictReader(fin2)

    writer = DictWriter(fout, fieldnames=reader2.fieldnames)
    writer.writeheader()

    for line2 in reader2:
        outline = dict(line2)
        fin1.seek(0) # resets the reader1 iterator
        for line1 in reader1:
            if line1['Search Value'] in line2['Name']:
                outline['Geo Location'] = line1['Location']
        writer.writerow(outline)

这个算法的复杂度是 O(n 2 )，所以，就像@maged指出的那样，它不是很有效。

于 2013-07-09T21:05:14.390 回答
0

你的解决方案是正确的。

另一个解决方案是将文件加载到内存中，以哈希表/字典结构的形式提高性能（避免 O(n^2)）。但是，由于您正在处理大文件，并且您没有进行完全匹配，因此它会使该解决方案不太理想。

您还可以尝试将文件加载到哈希表结构，并将其写入文件，以避免内存错误（类似于搜索索引器）。不过，这对于您想要做的事情似乎有点过头了。

于 2013-07-09T20:02:18.300 回答