python，比較位於兩個不同文本文件中的列中的字符串

Question

我有2個文本文件，分別是“ animals.txt”和“ colors.txt”，其中每行中的2個字符串由一個制表符分隔。

“ animals.txt”

12345  dog

23456  sheep

34567  pig

“ colors.txt”

34567  pink

12345  black

23456  white

我想編寫以下Python代碼：

1. 對於“ animals.txt”中的每一行，請在第一列中使用字符串（12345，然后是23456，然后是34567）
2. 將此字符串與“ colors.txt”中第一列中的字符串進行比較
3. 如果找到匹配項（12345 == 12345，依此類推），它將寫入兩個輸出文件：

輸出1，其中包含animals.txt行和colors.txt第二列中與查詢值相對應的值（12345）：

12345 dog   black
23456 sheep white
34567 pig   pink 

output2包含colors.txt第二列中與查詢值相對應的值的列表（12345，然后是23456，然后是34567））：

black
white
pink

Answer 1

如果順序無關緊要，這將成為一個非常簡單的問題：

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])

您可能可以通過defaultdict更優雅地執行此操作，在遇到特定鍵時將其追加到列表，然后在編寫時測試在輸出之前列表的長度為2，但是，我不是深信這種方法更好。

Answer 2

您需要使用python嗎？ 如果您正在使用bash並且輸入未排序，請執行以下操作：

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

如果您沒有支持進程替換的外殼，請對輸入文件進行排序並執行以下操作：

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

其中<tab>是實際的制表符。 根據您的外殼，您可能可以使用ctrl-V和一個Tab鍵輸入它。 （或使用其他分隔符進行剪切。）

Answer 3

我會用熊貓

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

結果是：

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

然后按照ID的順序將顏色輸出到文件：

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

如果您無法將列標題添加到文本文件中，則可以在導入時添加它們

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

Answer 4

假設輸入文件中的每一行的結構均與示例完全相同：

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')

我認為這將為您做到。

也許不是最優雅/快速/清晰的方法-但很短。 我認為從技術上講這是4行。