我有两个csv文件(假设csv-1.csv和csv-2.csv),每个文件中有一万多个数据。这两个文件有两个相同的列,即“filename”和“number\ of\ u changes”。我的目的是根据文件名比较这两个文件。如果CSV-1中的文件名也在CSV-2中,则选中“number\u of \u changes”列。如果这两个csv文件之间相同文件名的更改次数不同,则将此数据存储在一个包含3列的新csv文件中(假设new_csv.csv)。但如果这两个文件的文件名和更改的数量相同,则传递它(不要存储在新的csv中)。 假设我的CSV文件:
CSV-1.CSV文件
filename | number_of_changes
---------------------------------
A | 20
B | 10
C | 10
E | 5
F | 15
CSV-2.CSV文件
filename | number_of_changes
A | 20
B | 15
D | 30
E | 10
我需要从上面的两个文件中创建新的csv文件(new \u csv.csv):
filename | number_of_changes-1 | number_of_changes-2
----------------------------------------------------------
B | 10 | 15
C | 10 | 0
D | 0 | 30
E | 5 | 10
F | 15 | 0
到目前为止,我已经编写了代码:
import pandas as pd
cols = ['filename','number_of_changes']
data1 = pd.read_csv('CSV-1.csv')
data2 = pd.read_csv('CSV-2.csv')
df1 = data1[cols]
df2 = data2[cols]
lshist = []
for x in range(0,len(df1)-1):
lshist.append(list(df1.iloc[x]))
lsmyers = []
for y in range(0,len(df2)-1):
lsmyers.append(list(df2.iloc[y]))
with open('New_CSV.csv', 'w') as csvfile:
header = ['filename', 'number_of_changes-1', 'number_of_changes-2']
writers = csv.writer(csvfile, delimiter=',')
writers.writerow(header)
for fn in range(1,len(lshist)-1):
tmp = []
fnhist = lshist[fn][0]
for x in range(0,len(lsmyers)-1):
sys.stdout.write('\rSearching in myers : %i' % (x+1) + ' out of %i' % (len(lsmyers)-1) + ' in % i' % (fn) + ' out of %i' % (len(lshist)-1) + ' in histogram')
sys.stdout.flush()
if fnhist != lsmyers[x][0]:
pass
else:
if lshist[fn][1] == lsmyers[x][1]:
pass
else:
tmp = [fnhist,lshist[fn][1],lsmyers[x][1]]
writers.writerow(tmp)
当我运行代码时,它只适用于两个CSV文件中的文件。但它不适用于不在另一个CSV文件中的文件。另外,一个缺点是当数据非常大时需要很长时间。那么,有没有更快更好的算法呢?请给出你的建议。谢谢你
你需要这样的东西
合并两个数据帧
删除更改次数相同的行
用0填充NAs并按文件名排序
输出:
确实有一种更简单的方法-merge将数据帧放在一个文件中。基本上是这样的:
基本上将两个数据帧合并为一个,并用0填充np.NaN值。根据需要,可能需要将第二列转换为int。如果需要更改列名,请使用rename方法
相关问题 更多 >
编程相关推荐