比較兩個csv文件以輸出匹配的Python

Question

我有一個名為“ organs.csv”的csv文件，另一個具有大量數據的csv文件。 我正在比較它們以獲得它們之間的匹配。 后一個文件沒有任何特定格式，因此我不知道哪一列包含有關器官的數據。 我試過下面的代碼來獲取匹配項，但是有兩個問題。

1. 如果csv2在兩列中有一個器官，它將兩次追加到列表中。
2. 如果某行沒有任何器官，則將其忽略。

我希望它執行以下操作：

1. 如果一行中有器官，請跳到下一個器官（每行限制一個器官）
2. 如果未找到器官，則打印“-”

碼：

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

現在可以打印：

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

所需的輸出：

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

Answer 1

在這里，我最終使用列表推導 *來存儲器官名稱，接下來，我在另一個文件的第二行到最后一行循環，使用stop輔助變量一次從兩個循環退出（這是您沒有做的事情）趕上...）。

代碼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

在這里，我刪除了不起眼的輔助變量，並使用了更棘手，更晦澀但更令人愉快的方法（對我來說...）

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

輸出

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

---

* 編輯 organs的順序似乎對您很重要，因此我將用於存儲器官名稱的數據結構從一組更改為一個列表。

---

編輯＃2

更確切地說

從OP可以清楚地看到，對於due.csv每一行，只需要一個匹配項即可。 我不知道（回想起來）如何只選擇一場比賽。

我認為，我們要掃描的item S IN各line從左至右和停止掃描，當我們找到一個匹配，到目前為止好......但如果一個item不止一個匹配的organ ？

我當前的代碼總是在organs上完成for循環，因此附加的匹配項是uno.csv定義的順序中的最后一個匹配uno.csv ...

如果所請求的匹配是第一個，則必須修改我的代碼for在organs上的for循環中添加一個break

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

就是說，選擇是你的...

Answer 2

以下代碼通常可以正常工作，而忽略csv2的標題行：

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

您只需對數據文件（complist）進行一次循環，即可刪除多余的嵌套循環。

這樣您：

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

變成：

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