比较两个csv文件的前两列

我有两个csv文件，1a.csv和2a.csv

1a.csv

如下所示：

 SKU, QTY
KA005-001,17
KA006-001,46
KA010-001,25
KA014-001,42`

 SKU, QTY
KA006-001,81
KA009-001,25
KA010-001,18
KA014-001,45`

2a.csv

如下所示：

 SKU, QTY
KA005-001,17
KA006-001,46
KA010-001,25
KA014-001,42`

 SKU, QTY
KA006-001,81
KA009-001,25
KA010-001,18
KA014-001,45`

我需要一个像这样的新文件

3a.csv

：

 SKU, QTY
KA005-001,17 
KA006-001,81 (i.e. 2a.csv QTY)
KA009-001,25
KA010-001,18 (i.e. 2a.csv QTY)
KA014-001,45 (i.e. 2a.csv QTY)`

有人能帮我解决这个问题吗？非常感谢。

这个怎么样： 使用pandas连接两个csv文件（假设cs1是第一个csv的数据帧，cs2是第二个csv的数据帧）：

现在，两个数据帧相互连接：

 SKU, QTY
KA005-001,17
KA006-001,46
KA010-001,25
KA014-001,42
KA006-001,81
KA009-001,25
KA010-001,18
KA014-001,45

现在，您只需使用

drop_duplicates（）

，将子集设置到“SKU”列即可删除重复条目。由于您只想保留cs2中的条目并从cs1中删除这些条目，请使用选项

keep='last'

：

cs3 = cs3.drop_duplicates(subset='SKU', keep='last')

您现在可以获得：

 SKU, QTY
KA005-001,17 
KA006-001,81
KA009-001,25
KA010-001,18
KA014-001,45

您可以将其保存到csv：

cs3.to_csv('3a.csv')

---

您可以这样使用awk

awk -F, 'BEGIN{print "SKU,QTY"}NR>1{a[$1] = $2}END{for (i in a) if(i != "SKU")print i","a[i]}' 1a.csv 2a.csv

或具有关联数组的bash 4：

---

是否总是

2a

重复？@Stephen Rauch…2a.csv是我的主文件，2a中没有的行将从1a开始放在那里，2a QTY列优先于1a标记发生了什么？为什么要同时标记它？我看不到任何语言中的代码。您至少应该自己尝试一下，并在这里询问编码问题。堆栈溢出不是免费的代码编写服务。@iBug…在发布一个问题时，它要求我放置一些标记，所以我这样做了。我尝试了很多东西，比如

diff-W999--side-by-side 1a.csv 2a.csv | sed'/^[^\t]*\t\s*\t\（.*）/{s/\1u/；b}/^\（[^\t]*\）\t*\s*\t\（.*\）/{s/\1 N/；b}；d'

@Emc2难道你不能用标签代替3个不相关的标签吗？我现在已经为您更正了。@user2969402…我试过了，但得到了这个错误：

Traceback（最近一次调用）：文件“problem2_solution.py”，第9行，在cs3=cs3.drop_duplicates（subset='SKU'，keep='last'）文件/usr/local/lib/python2.7/dist packages/pandages/core/frame.py），第3535行，在drop_duplicates=sef.duplicated中（subset，keep=keep）File“/usr/local/lib/python2.7/dist packages/pandas/core/frame.py”，第3582行，在重复标签中，shape=map（list，zip（*map（f，vals）））value错误：需要超过0个值才能解包

能否将cs3的前几行发布？…

#！/usr/local/lib/python导入pandas作为pd cs1=pd.read_csv（'1a.csv'））cs2=pd.read_csv（'2a.csv'）cs3=pd.concat（[cs1，cs2]）cs3=cs3.drop_duplicates（subset='SKU'，keep='last'）cs3.to_csv（'3a.csv'）

这是我按照您的说明编写的脚本，但cs3从未在文件夹中生成此新文件3a.csv

导入熊猫为pd cs1=pd.read_csv（'1a.csv'）cs2=pd.read_csv（'2a.csv'）csv'）cs3=pd.concat([cs1，cs2]）

只需先使用此部分，然后键入

cs3

并在此处发布控制台输出的前几行内容。我想检查Panda是否正确读取csv文件。根据您使用的标点符号或标题/索引，可能会出现问题。

#!/usr/bin/python

a={}
def getDataFromFile(fname):
    f = open(fname)
    for line in f:
       fields = line.strip().split(",")
       a[fields[0]] = fields[1]

getDataFromFile('1a.csv')
getDataFromFile('2a.csv')

for key, value in a.iteritems():
    print key+","+value