比较两个csv文件的多列，并在新csv文件中将输出保存为匹配/不匹配

Question

假设我在file1.csv中有列作为

Customer id    Name 
Q1             Alen
W2             Ricky
E3             Katrina
R4             Anya
T5             Leonardo

和file2.csv中的列作为

Customer id    Name
Q1             Alen
W2             Harry
E3             Katrina
R4             Anya
T5             Leonard

正如您所看到的，对于客户id:W2，对应的名称不匹配。所以output.csv应该如下所示：

Customer id  Status
Q1           Matching
W2           Not matching
E3           Matching
R4           Matching
T5           Matching

如何使用python获得上述输出。

附言：比较多列的代码是什么，而不仅仅是列名？

我的代码

import csv
with open('file1.csv', 'rt', encoding='utf-8') as csvfile1:
csvfile1_indices = dict((r[1], i) for i, r in enumerate(csv.reader(csvfile1)))
with open('file2.csv', 'rt', encoding='utf-8') as csvfile2:
with open('output.csv', 'w') as results:    
reader = csv.reader(csvfile2)
writer = csv.writer(results)
writer.writerow(next(reader, []) + ['status'])
for row in reader:
index = csvfile1_indices.get(row[1])
if index is not None:
message = 'matching'
writer.writerow(row + [message])
else:
message = 'not matching'
writer.writerow(row + [message])
results.close()

这很好，但我可以用其他更简单的方式来获得相同的输出吗？为了比较多个列，我需要做哪些更改？

Answer 1

如果你不介意使用Pandas，你可以用5行代码来完成：

import pandas as pd 
# assuming id columns are identical and contain the same values
df1 = pd.read_csv('file1.csv', index_col='Customer_id')
df2 = pd.read_csv('file2.csv', index_col='Customer_id')
df3 = pd.DataFrame(columns=['status'], index=df1.index)
df3['status'] = (df1['Name'] == df2['Name']).replace([True, False], ['Matching', 'Not Matching'])
df3.to_csv('output.csv')

编辑：删除sep = 't'以使用默认逗号分隔符。

Answer 2

将两个csv文件读取到两个不同的字典中，并在其中任何一个字典上迭代，并在另一个字典中检查相同的键。如果您想订购，请使用OrderedDict

Answer 3

您可以在多个列上merge：

f1
Customer_id      Name
0          Q1      Alen
1          W2     Ricky
2          E3   Katrina
3          R4      Anya
4          T5  Leonardo
f2
Customer_id      Name
0          Q1      Alen
1          W2     Harry
2          E3   Katrina
3          R4      Anya
4          T5  Leonardo
m = f1.merge(f2, on=['Customer_id', 'Name'], indicator='Status', how='outer')
Customer_id      Name      Status
0          Q1      Alen        both
1          W2     Ricky   left_only
2          E3   Katrina        both
3          R4      Anya        both
4          T5  Leonardo        both
5          W2     Harry  right_only
m['Status'] = m['Status'].map({'both': 'Matching', 
'left_only': 'Not matching', 
'right_only': 'Not matching'})
m.drop_duplicates(subset=['Customer_id', 'Status'])
m.drop(['Name'], axis=1)
Customer_id        Status
0          Q1      Matching
1          W2  Not matching
2          E3      Matching
3          R4      Matching
4          T5      Matching