将csv/xlsx文件作为列表导入python并找到模板匹配

Question

下面有两个简化的csv文件(上传为图片并在google驱动器中链接)，我想问如何以python列表格式导入这两个文件，在这里我可以遍历"templates.csv“并找到最佳匹配(如果没有完美匹配的话)。

https://drive.google.com/drive/folders/1dOv-8fQgeGEsaPMXYU8kbo2mY4B2KkDH?usp=sharing

test.csv = 在这里输入图像描述

templates.csv = 在这里输入图像描述

我当前的问题是如何导入csv文件，以便将其作为列表读取：test.csv文件变成：

测试=‘交流_电流’，‘交流_电源’，‘交流_POWER.MAX’，‘直流_电流’，‘直流_电压’，.

templates.csv文件成为模板列表：

template1 =‘交流电流’，‘交流电流_15分钟’，‘交流_电流_A’，‘交流_电流_B’，‘交流_电流_C’，……

template2 =‘交流电流’，‘交流电源’，‘交流_POWER.MAX’，‘直流_电流’，‘直流_电压’，……

template3 =“交流电流”、“交流电源”、“交流电源”、“交流电压”、“直流电流”、.

templateN =.。

我遇到的第一个问题是将这两个文件作为数据读取，然后将其转换为上面的列表，然后我可以执行迭代，找到一个很好的匹配，如果没有完美的匹配，它将给我一个百分比的建议，模板给出的属性匹配最多，还会列出我的test.csv文件中没有匹配的属性。

请注意，当我们本机从这些模板所在的软件中提取此文件时，我不能以简单的格式操作上面的excel文件。

非常感谢你的帮助

我现在只有这行代码，用熊猫把文件作为数据读取：

import pandas as pd

df1 = pd.read_csv('test.csv', sep=',')
df2 = pd.read_csv('templates.csv', sep=',')
print(df1)
print(df2)

在这里输入图像描述

Answer 1

举个例子：

import pandas as pd

df = pd.DataFrame({"Parent": ["x", "x", "y", "y", "z"], "Name": [1, 2, 3, 4, 5]})
>   Parent  Name
  0      x     1
  1      x     2
  2      y     3
  3      y     4
  4      z     5

# group by 'Parent', aggregate group values to lists for each column, then get column 'Name'
grouped_as_series = df.groupby('Parent').agg(list)['Name']
> Parent
  x    [1, 2]
  y    [3, 4]
  z       [5]

# to access single values
print(grouped_as_series["x"])
> [1, 2]

所以对于你的案子：

test = df1.groupyby('Parent').agg(list)['Name']['test']
series_of_templates = df2.groupyby('Parent').agg(list)['Name']

请注意，我不确定我是否理解之后您计划如何处理这些数据，所以系列可能不是存储提取数据的最佳方法。一本字典或一份清单可能更好。

编辑：

如果我正确理解了它，那么请检查测试列表与每个模板之间的匹配百分比：

test = [6, 4]

best_template_percent = 0.0
best_template_index = -1
for ind, val in grouped_as_series.items():
    match_percent = len([v for v in test if v in val])/len(test)
    if match_percent > best_template_percent:
        best_template_percent = match_percent
        best_template_index = ind

print(best_template_index)
> y
print(grouped_as_series[best_template_index])
> [3, 4]

或者如果你想把它缩短：

import numpy as np

best_template_index = grouped_as_series.index[np.argmax([len([v for v in test if v in val])/len(test) for ind, val in grouped_as_series.items()])]

关于您的数据：

import numpy as np

best_template_index = series_of_templates.index[np.argmax([len([v for v in test if v in val])/len(test) for ind, val in series_of_templates.items()])]
best_template_values = series_of_templates[best_template_index]