キーに基づいたCSV参加

Question

これは簡単な/繰り返しの質問かもしれませんが、私はそれを見つける方法や見つけ出すことができます。

私は2つのCSVファイルがあります。

info.csv：

"Last Name", First Name, ID, phone, adress, age X [Total age: 100] |009076 

abc, xyz, 1234, 982-128-0000, pqt, 

bcd, uvw, 3124, 813-222-1111, tre, 

poi, ccc, 9087, 123-45607890, weq, 

とし、その後

age.csv：

student_id,age_1 

3124,20 

9087,21 

1234,45 

私が比較したいです2つのcsv fi age.csvからinfo.csvと「student_id」の列に基づいてレ、「id」と対応する「age_1」データを取得し、info.csvで「age」欄にそれを置きます。

だから、最終的な出力は次のようになります。

info.csv：

"Last Name", First Name, ID, phone, adress, age X [Total age: 100] |009076 
abc, xyz, 1234, 982-128-0000, pqt,45 
bcd, uvw, 3124, 813-222-1111, tre,20 
poi, ccc, 9087, 123-45607890, weq,21 

私は単にnew.csvにキーに基づいてテーブルを結合することですが、することができますカラムのデータを "age"としてください。私はそれを行うために "csvkit"を使用しました。ここで

は、私が使用したものである：

csvjoin -c 3,1 info.csv age.csv > new.csv 

Answer 1

は

import csv 

info = list(csv.reader(open("info.csv", 'rb'))) 
age = list(csv.reader(open("age.csv", 'rb'))) 

def copyCSV(age, info, outFileName = 'out.csv'): 
    # put age into dict, indexed by ID 
    # assumes no duplicate entries 

    # 1 - build a dict ageDict to represent data 
    ageDict = dict([(entry[0].replace(' ',''), entry[1]) for entry in age[1:] if entry != []]) 

    # 2 - setup output 
    with open(outFileName, 'wb') as outFile: 
     outwriter = csv.writer(outFile) 
     # 3 - run through info and slot in ages and write to output 
     # nb: had to use .replace(' ','') to strip out whitespaces - these may not be in original .csv 
     outwriter.writerow(info[0]) 
     for entry in info[1:]: 
      if entry != []: 
       key = entry[2].replace(' ','') 
       if key in ageDict: # checks that you have data from age.csv 
        entry[5] = ageDict[key] 
      outwriter.writerow(entry) 

copyCSV(age, info) 

は何かが不明である場合、それは動作しますかあれば、私に教えてください...これを試してみてください。私はdictを使用しました。なぜなら、age.csvのデータを1回ループするだけで済むので、ファイルが大量であれば高速になるはずです。

既に実装されている簡単な方法やものがあるかもしれませんが、これはすべきことです。

Answer 2

Pandasを使用し、ageデータを使用してinfo dataframeを更新できます。両方のデータフレームのインデックスをそれぞれIDとstudent_idに設定してから、info dataframeの年齢列を更新します。その後、IDが再び列になるようにインデックスをリセットします。

from StringIO import StringIO 
import pandas as pd 

info = StringIO("""Last Name,First Name,ID,phone,adress,age X [Total age: 100] |009076 
abc, xyz, 1234, 982-128-0000, pqt, 
bcd, uvw, 3124, 813-222-1111, tre, 
poi, ccc, 9087, 123-45607890, weq,""") 


age = StringIO("""student_id,age_1 
3124,20 
9087,21 
1234,45""") 

info_df = pd.read_csv(info, sep=",", engine='python') 
age_df = pd.read_csv(age, sep=",", engine='python') 

info_df = info_df.set_index('ID') 
age_df = age_df.set_index('student_id') 
info_df['age X [Total age: 100] |009076'].update(age_df.age_1) 
info_df.reset_index(level=0, inplace=True) 
info_df 

出力：

ID  Last Name First Name  phone   adress age X [Total age: 100] |009076 
0 1234 abc   xyz    982-128-0000 pqt  45 
1 3124 bcd   uvw    813-222-1111 tre  20 
2 9087 poi   ccc    123-45607890 weq  21