如何在 python 中比较两个 CSV 中的列？

Question

你好 我有两个 CSV 文件作为输入，例如：

file1 :

AK163828 chr5 s1 + e1 cttt 4
AK163828 chr5 s2 + e2 gtca 4
AK168688 chr6 s3 + e3 ggcg 4
AK168688 chr6 s4 + e4 tctg 4

file2 :

chr6s3+e3 ggcg
chr5s1+e1 cttt
chr6s4+e4 tata
chr5s2+e2 ggcg

#as you can see the file2 is randomly sorted

我想将 file2 的第 1 列与 file1 的合并后的第 2、3、4、5 列进行比较，同时将 file2 的第 2 列与文件的第 6 列进行比较1、仅选择匹配的行。

所需的输出是

chr6s3+e3 ggcg
chr5s1+e1 cttt

我尝试使用此代码：

import csv

reader1 = csv.reader(open(file1), dialect='excel-tab' )
reader2 = csv.reader(open(file2), dialect='excel-tab' )

     for row1, row2 in zip(reader1,reader2):
            F1 = row1[1] + row1[2] + row1[3] + row1[4] + '\t' row1[5]
            F2 = row2[0] + '\t' + row2[1]
            print set(F1) & set(F2)

但它不起作用。你能帮我修复我的代码或给我其他方法吗？ 感谢您的帮助！

Answer 1

快速而肮脏：

import csv

file1 = 'C:/Users/Me/Desktop/file1'
file2 = 'C:/Users/Me/Desktop/file2'

reader1 = csv.reader(open(file1))
reader2 = csv.reader(open(file2))

F1 = set(''.join(row1[0].strip().split()[1:6]) for row1 in reader1)
F2 = set(''.join(row2[0].strip().split()) for row2 in reader2)

for sequence in F1.intersection(F2):
    print(sequence[:-4]),
    print('\t'),
    print(sequence[-4:])

输出：

chr6s3+e3   ggcg
chr5s1+e1   cttt

Answer 2

怎么样：

import csv

reader1 = csv.reader(open('file1.tsv'), dialect='excel-tab' )
reader2 = csv.reader(open('file2.tsv'), dialect='excel-tab' )

keys = set()

for row in reader1:
    keys.add((''.join(row[1:5]), row[5]))

for row in reader2:
    if (row[0], row[1]) in keys:
        print '\t'.join(row)

顺便说一句：您使用的格式 (dialect='excel-tab') 通常称为 TSV，而不是 CSV，尽管它是 CSV 的变体。您还必须确保您的值是用制表符分隔的，而不是像您的帖子中那样用空格分隔的。我猜是的，但由于 Stack Overflow 格式问题，您只有空格？