在Python中创建两个CSV文件的笛卡尔结果（交叉连接）

Question

我尝试通过交叉连接两个现有的csv文件来创建一个新的csv文件。

csv文件 #1:

hour    Elevation   Azimuth x   y   z   sunx    suny    sunz
06:29:00    -0.833  67.72   0.379094033 0.925243946 -0.014538068    0.379094033 0.925243946 -0.014538068
07:00:00    6.28    68.75   0.360264063 0.92641472  0.109387255 0.360264063 0.92641472  0.109387255

csv文件 #2:

ID  SURFACES    A1X A1Y A1Z A2X A2Y A2Z B1X B1Y B1Z B2X B2Y B2Z AX  AY  AZ  BX  BY  BZ  ABX ABY ABZ planex  planey  planez
1   GROUND  800085.3323 961271.977  -3.07E-18   800080.8795 961246.1978 -3.07E-18   800097.1572 961269.9344 -3.07E-18   800085.3323 961271.977  -3.07E-18   4.4528  25.7792 0.00E+00    11.8249 -2.0426 0.00E+00    0   0   -313.9317514    0   0   -1
2   ROOF    800019.3994 961242.7732 12  800021.442  961254.5981 12  800090.3488 961230.5181 12  800019.3994 961242.7732 12  -2.0426 -11.8249    0.00E+00    70.9494 -12.2551    0.00E+00    0   0   864.0018273 0

我想要这两个文件的笛卡尔积（也就是每个小时和所有表面的组合，就像在SQL中进行交叉连接一样）。

这是我想要的效果示意图：
http://dotnetslackers.com/images/articleimages/sqljoins5.jpg

Answer 1

根据用户的评论更新后的版本：

    f1 = open("file1")
    f2 = open("file2")
    f3 = open("result", "wt")
    for a in f1:
        for b in f2:
            f3.write(a.rstrip('\n'))
            f3.write(' ')
            f3.write(b)

Answer 2

你可以使用pandas来实现，就像在SQL中对两个表进行join操作一样。它们之间的区别是：

• 它们使用一个叫做合并的函数来进行连接，虽然也有一个方便的join函数。
• 在左右两个表中添加一个额外的列，这个列的值是固定的，以便获取笛卡尔积。

使用你提供的文件example1.csv和example2.csv：

import pandas as pd

df_1 = pd.read_csv('example1.csv', delim_whitespace=True)
df_2 = pd.read_csv('example2.csv', delim_whitespace=True)
df_1['key'] = 1
df_2['key'] = 1

product = pd.merge(df_1, df_2, on='key')

product[['hour', 'SURFACES']]

结果是：

     hour            SURFACES
0    06:29:00    GROUND
1    06:29:00    ROOF
2    07:00:00    GROUND
3    07:00:00    ROOF

Answer 3

我不知道有没有现成的解决方案，所以我自己做了这个：

import csv
from itertools import product

def main():
    with open('file1.csv', 'rb') as f1, open('file2.csv', 'rb') as f2:
        reader1 = csv.reader(f1, dialect=csv.excel_tab)
        reader2 = csv.reader(f2, dialect=csv.excel_tab)

        # Step 1: Read and write the headers separately.
        header1, header2 = next(reader1), next(reader2)
        with open('output.csv', 'wb') as out:
            writer = csv.writer(out, dialect=csv.excel_tab)
            writer.writerow(header1 + header2)
            # Step 2: Write the product of the rest of the rows.
            writer.writerows(
                row1 + row2 for row1, row2 in product(reader1, reader2))

main()

---

涉及到的文件有：

file1.csv

hour    Elevation   Azimuth
06:29:00    -0.833  67.72
07:00:00    6.28    68.75

file2.csv

ID  SURFACES
1   GROUND
2   ROOF

你会得到以下的 output.csv 文件：

hour    Elevation   Azimuth ID  SURFACES
06:29:00    -0.833  67.72   1   GROUND
06:29:00    -0.833  67.72   2   ROOF
07:00:00    6.28    68.75   1   GROUND
07:00:00    6.28    68.75   2   ROOF