比较两个csv文件以输出匹配的Python

Question

我有一个名为"organs.csv“的csv文件和另一个包含大量数据的csv文件。我在比较他们，以得到他们之间的匹配。后一个文件没有任何特定的格式，所以我不知道哪一列有关于器官的数据。我尝试了下面的代码来获得匹配，但它有两个问题。

1. 如果csv2在两列中有一个器官，它会在列表中追加两次。
2. 如果一排没有任何器官，它就会忽略它。

我希望它能做到以下几点：

1. 如果一行有一个器官，跳到下一个器官(限制每一行一个器官)
2. 如果没有找到器官，打印"-“

代码：

import csv
filename = "file.csv"
complist, orglist = [], []
fileA = open(filename, "rb")
reader = csv.reader(fileA, delimiter=',')
for row in reader:
    for row_str in row:
        complist.append(row_str)
with open("organs.csv", "rb") as fileB:
    reader = csv.reader(fileB, delimiter='\n')
    for row in reader:
        orglist += row
        orglist = [x.lower() for x in orglist]
org = open ("organ_matches.txt", "wb")
org_writer = csv.writer(org)
for s in complist:
    for xs in orglist:
        if xs in s:
            print >> org, xs
org.close()
orgfile = open ("organ_matches.txt" , "r")
organ = orgfile.read()
organ = organ.split("\n")
organ = ",".join (organ)
organ = organ.split(",")
orgfile.close()
print organ

csv1：

forearm
leg
abdomen

csv2：

h1,h2,h3,h4
data1,forearm biopsy,tissue,cell
data2,leg injury,tissue in leg,cell9
data4,data,tissue4,cell6

它现在打印：

['forearm','leg','leg']

期望产出：

['forearm','leg','-']

Answer 1

在这里，我最终使用了一个列表理解*来存储器官名称，接下来我在另一个文件的第二行到最后一行上循环，使用一个stop辅助变量一次从两个循环中退出(这是您没有捕捉到的.)。

代码MkI

organs = [line.strip() for line in file('uno.csv')]
matches = []
for line in [line for line in file('due.csv')][1:]:
    stop = 0
    matches.append('-')
    for item in line.split(','):
        if stop : break
        for organ in organs:
            if organ in item:
                matches[-1] = organ
                stop = 1

print matches

交替取

在这里，我删除了不雅的辅助变量，使用了一个更棘手、更晦涩但更令人愉快的变量(对我来说.)方法

organs = [line.strip() for line in file('uno.csv')]

matches = []
for line in [line for line in file('due.csv')][1:]:
    match = '-'
    for item in line.split(','):
        if match != '-' : break
        for organ in organs:
            if organ in item:
                match = organ
    matches.append(match)

print matches

输出量

['forearm', 'leg', '-']

* Edit似乎organs的顺序对您很重要，所以我将用于存储器官名称的数据结构从一个集合更改为一个列表。

编辑#2

更准确地说

从OP中可以清楚地看到，对于due.csv的每一行，只需要一个匹配。(回想起来)我不清楚的是如何只选择一场比赛。

我认为我们想从左到右扫描每个line中的line，当我们找到匹配时停止扫描，到目前为止还不错.但是如果一个item与多个organ匹配呢？

我当前的代码总是在organs上完成organs循环，因此附加的匹配是按照uno.csv中定义的顺序进行的最后一次匹配。

如果请求的匹配是第一个匹配，则必须修改代码，将break添加到organs上的for循环中。

        for organ in organs:
            if organ in item:
                match = organ
                break

尽管如此，选择是你的..。

Answer 2

以下代码通常可以工作，忽略csv2的标题行：

import csv
orglist = []
organ_matches = []

# Generate list of organs
with open('organs.csv', 'rb') as f_org:

    csv_f = csv.reader(f_org)

    for row in csv_f:
        orglist.append(row[0])

# Convert to a set
set_org = set(orglist)

# Read csv2 file
with open('file.csv', 'rb') as f_tbl:

    # Open output file to write to
    with open('organ_matches.txt', 'wb') as f_out:

        csv_f = csv.reader(f_tbl)
        csv_f.next() # Ignore header

        for row in csv_f:

            set_row = set(' '.join(row).split(' ')) # Combine list elements and separate words

            # Find common words with organs list and select only one
            if set_row.intersection(set_org):
                organ_match = list(set_row.intersection(set_org))[0]
            else:
                organ_match = '-'

            organ_matches.append(organ_match)
            f_out.write(organ_match + '\n')

Answer 3

您只需要循环一次您的数据文件(编译器)，并可以删除额外的嵌套循环。

所以你的：

​

for s in complist:
    for xs in orglist:
        if xs in s:
            print >> org, xs

​

变成：

​

for s in complist:
    if s in orglist:
        print >> org, s
    else:
        print >> org, '-'

​