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，另一个具有大量数据的csv文件。 我正在比较它们以获得它们之间的匹配。 后一个文件没有任何特定格式，因此我不知道哪一列包含有关器官的数据。 我试过下面的代码来获取匹配项，但是有两个问题。

1. 如果csv2在两列中有一个器官，它将两次追加到列表中。
2. 如果某行没有任何器官，则将其忽略。

我希望它执行以下操作：

1. 如果一行中有器官，请跳到下一个器官（每行限制一个器官）
2. 如果未找到器官，则打印“-”

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

现在可以打印：

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

所需的输出：

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

Answer 1

在这里，我最终使用列表推导 *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循环，使用stop辅助变量一次从两个循环退出（这是您没有做的事情）赶上...）。

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

交替服用

在这里，我删除了不起眼的辅助变量，并使用了更棘手，更晦涩但更令人愉快的方法（对我来说...）

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

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

---

* 编辑 organs的顺序似乎对您很重要，因此我将用于存储器官名称的数据结构从一组更改为一个列表。

---

编辑＃2

更确切地说

从OP可以清楚地看到，对于due.csv每一行，只需要一个匹配项即可。 我不知道（回想起来）如何只选择一场比赛。

我认为，我们要扫描的item S IN各line从左至右和停止扫描，当我们找到一个匹配，到目前为止好......但如果一个item不止一个匹配的organ ？

我当前的代码总是在organs上完成for循环，因此附加的匹配项是uno.csv定义的顺序中的最后一个匹配uno.csv ...

如果所请求的匹配是第一个，则必须修改我的代码for在organs上的for循环中添加一个break

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

就是说，选择是你的...

Answer 2

以下代码通常可以正常工作，而忽略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

您只需对数据文件（complist）进行一次循环，即可删除多余的嵌套循环。

这样您：

 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, '-'