python - 使用主列查找两个 CSV 文件之间的差异

Question

我有两个 CSV 文件：

文件 1

Id, 1st, 2nd
1, first, row
2, second, row

文件 2

Id, 1st, 2nd
1, first, row
2, second, line
3, third, row

我刚开始使用python，需要编写一些代码，它可以根据主列对这些文件进行差异，在这种情况下是第一列“Id”。输出文件应该是一个增量文件，它应该标识第二个文件中已更改的行：

输出增量文件

2, second, line
3, third, row

标签： pythonpython-3.xpandas

Answer 1

我建议您将两个 CSV 文件都加载为 Pandas DataFrames，然后使用和外部merge指示符来了解第二个文件中的哪些行发生了变化。然后，您使用query仅获取第二个文件中更改的行，并删除指示符列 ('_merge')。

import pandas as pd


df1 = pd.read_csv("FILENAME_1.csv")
df2 = pd.read_csv("FILENAME_2.csv")

merged = pd.merge(df1, df2, how="outer", indicator=True)
diff = merged.query("_merge == 'right_only'").drop("_merge", axis="columns")

有关查找 Pandas DataFrames 差异的更多详细信息，请阅读另一个问题。