python，比较位于两个不同文本文件中的列中的字符串

Question

我有2个文本文件，分别是“ animals.txt”和“ colors.txt”，其中每行中的2个字符串由一个制表符分隔。

“ animals.txt”

12345  dog

23456  sheep

34567  pig

“ colors.txt”

34567  pink

12345  black

23456  white

我想编写以下Python代码：

1. 对于“ animals.txt”中的每一行，请在第一列中使用字符串（12345，然后是23456，然后是34567）
2. 将此字符串与“ colors.txt”中第一列中的字符串进行比较
3. 如果找到匹配项（12345 == 12345，依此类推），它将写入两个输出文件：

输出1，其中包含animals.txt行和colors.txt第二列中与查询值相对应的值（12345）：

12345 dog   black
23456 sheep white
34567 pig   pink 

output2包含colors.txt第二列中与查询值相对应的值的列表（12345，然后是23456，然后是34567））：

black
white
pink

Answer 1

如果顺序无关紧要，这将成为一个非常简单的问题：

with open('animals.txt') as f1, open('colors.txt') as f2:
    animals = {} 
    for line in f1:
        animal_id, animal_type = line.split('\t')
        animals[animal_id] = animal_type

    #animals = dict(map(str.split,f1)) would work instead of the above loop if there are no multi-word entries.

    colors={}
    for line in f2:
        color_id, color_name = line.split('\t')
        colors[color_id] = color_name

    #colors = dict(map(str.split,f2)) would work instead of the above loop if there are no multi-word entries.
    #Thanks @Sven for pointing this out.

common=set(animals.keys()) & set(colors.keys())  #set intersection. 
with open('output1.txt','w') as f1, open('output2.txt','w') as f2:
     for i in common:  #sorted(common,key=int) #would work here to sort.
         f1.write("%s\t%s\t%s\n"%(i,animals[i],colors[i])
         f2.write("%s"%colors[i])

您可能可以通过defaultdict更优雅地执行此操作，在遇到特定键时将其追加到列表，然后在编写时测试在输出之前列表的长度为2，但是，我不是深信这种方法更好。

Answer 2

您需要使用python吗？ 如果您正在使用bash并且输入未排序，请执行以下操作：

$ join -t $'\t' <( sort animals.txt ) <( sort colors.txt ) > output1
$ cut -f 3 output1 > output2

如果您没有支持进程替换的外壳，请对输入文件进行排序并执行以下操作：

$ join -t '<tab>' animals.txt colors.txt > output1
$ cut -f 3 output1 > output2

其中<tab>是实际的制表符。 根据您的外壳，您可能可以使用ctrl-V和一个Tab键输入它。 （或使用其他分隔符进行剪切。）

Answer 3

我会用熊猫

animals, colors = read_table('animals.txt', index_col=0), read_table('colors.txt', index_col=0)
df = animals.join(colors)

结果是：

animals.join(colors)
Out[73]: 
       animal  color
id
12345  dog     black
23456  sheep   white
34567  pig     pink

然后按照ID的顺序将颜色输出到文件：

df.color.to_csv(r'out.csv', index=False)

如果您无法将列标题添加到文本文件中，则可以在导入时添加它们

animals = read_table('animals.txt', index_col=0, names=['id','animal'])

Answer 4

假设输入文件中的每一行的结构均与示例完全相同：

with open("c:\\python27\\output1.txt","w") as out1, \ 
     open("c:\\python27\\output2.txt","w") as out2:

    for outline in [animal[0]+"\t"+animal[1]+"\t"+color[1] \
                    for animal in [line.strip('\n').split("\t") \
                    for line in open("c:\\python27\\animals.txt","r").readlines()] \
                    for color in [line.strip('\n').split("\t") \
                    for line in open("c:\\python27\\colors.txt","r").readlines()] \
                    if animal[0] == color[0]]:

        out1.write(outline+'\n')
        out2.write(outline[outline.rfind('\t')+1:]+'\n')

我认为这将为您做到。

也许不是最优雅/快速/清晰的方法-但很短。 我认为从技术上讲这是4行。