如何比较python中两个CSV的列？

Question

嗨 我有两个CSV文件作为输入，例如：

文件1：

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

文件2：

^{pr2}$

我想比较file2的column 1和file1的column 2、3、4、5 merged，同时比较file2的column 2和file 1的column 6，并且只选择匹配的行。在

所需输出为

chr6s3+e3 ggcg
chr5s1+e1 cttt

我试着用这个代码：

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。你能帮我修改我的代码还是给我一个别的方法？ 谢谢你的帮助！在

Answer 1

这个怎么样：

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。你还必须确保你的值是用制表符隔开的，而不是像你的帖子那样用空格隔开。我猜是的，你只有空格是因为堆栈溢出格式问题？在

Answer 2

又快又脏：

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：

^{pr2}$