合并不同长度的.csv文件中的行（python 3.x）

File1:

2015-01-01 07:00     1    1    1    1
2015-01-01 07:01     1    1    1
2015-01-01 07:02     1    1    1    1

File2:

2015-01-01 07:00     2    2 
2015-01-01 07:01     2    2
2015-01-01 07:02     2    2

考虑到每行的时间戳，我想将

File2

中的文件合并到

File1

。因此，我为

File1

和

File2

dict1

和

dict2

编写了一本

dictionary

，其中

k

=时间戳和

v

=值。 我的代码如下所示：

merged_files = {d1k: d1v+File2Dic.get(d1k[:],[]) for d1k,d1v in File1Dic.items()}

这给了我一个输出：

合并的\u文件

：

2015-01-01 07:00     1    1    1    1    2    2
2015-01-01 07:01     1    1    1    2    2
2015-01-01 07:02     1    1    1    1    2    2

我想：

2015-01-01 07:00     1    1    1    1    2    2
2015-01-01 07:01     1    1    1         2    2
2015-01-01 07:02     1    1    1    1    2    2

---

您知道如何调整合并代码以获得该结果吗？

您可以使用pandas函数，然后用空字符串填充

NaN

值

您可以通过函数将结果写入csv

解释，为什么第4列是

1.0

而不是

1

：
因为

NaN

值被强制转换为float64

---

谢谢你的帮助。。。什么是

temp=u

和

temp1=u

？相反

io.StringIO（temp）

你可以使用

file1.csv

，类似于

io.StringIO（temp1）

o我没有得到它们在哪里打印如果你在csv制表器中有分隔符，你可以使用

df=pd.read\u csv（io.StringIO（temp），sep=“\t”，header=None）

这对我有帮助是的。错过了“接受”按钮，并在最后几天离开了，很抱歉延迟

import pandas as pd
import numpy as np
import io

temp=u"""2015-01-01 07:00;1;1;1;1
2015-01-01 07:01;1;1;1;
2015-01-01 07:02;1;1;1;1"""

df = pd.read_csv(io.StringIO(temp), sep=";", header=None)
print df

temp1=u"""2015-01-01 07:00;2;2 
2015-01-01 07:01;2;2
2015-01-01 07:02;2;2"""

df1 = pd.read_csv(io.StringIO(temp1), sep=";", header=None)
print df1

#merge by first column - by dates
result = pd.merge(df, df1, on=0)
#fill NaN values by empty string
result = result.fillna('')
print result
#                  0  1_x  2_x  3  4  1_y  2_y
#0  2015-01-01 07:00    1    1  1  1    2    2
#1  2015-01-01 07:01    1    1  1       2    2
#2  2015-01-01 07:02    1    1  1  1    2    2

print result.to_csv(header=False, index=False)
#2015-01-01 07:00,1,1,1,1.0,2,2
#2015-01-01 07:01,1,1,1,,2,2
#2015-01-01 07:02,1,1,1,1.0,2,2