Python 将两个csv数据混合在一起

我需要在1中混合2个csv。我在列表中都转换了，因为我认为这是最好的方法！另外，请记住，

客户端

和

日期

在不同的列中，可能两个文件中的数据顺序不同

列表1 csv:

Cliente     Fecha       Status
interlatin  01/01/2018  Alerta Revenue: aumento Subastadas - descenso eCPM y Fillrate
interlatin  31/12/2017  Alerta Fillrate -- Incremento Revenue - Imp Vendidas - Subastadas: Precaucion Fillrate buena Mejora
mmmm        01/01/2018  Alerta Revenue: aumento Subastadas - descenso eCPM y Fillrate
mmmm        31/12/2017  Alerta Fillrate -- Incremento Revenue - Imp Vendidas - Subastadas: Precaucion Fillrate buena Mejora
KKKKK       01/01/2018  Alerta Revenue: aumento Subastadas - descenso eCPM y Fillrate
KKKKK       31/12/2017  Alerta Fillrate -- Incremento Revenue - Imp Vendidas - Subastadas: Precaucion Fillrate buena Mejora

列表2 csv:

Fecha   Cliente Subastas    Impresiones_exchange    Fill_rate   Importe_a_pagar_a_medio ECPM_medio
31/12/2017  interlatin  2141801 303970  14.19   339.12  1.12
01/01/2018  interlatin  308759  70938   22.98   41.9    0.59
31/12/2017  mmmm    2141801 303970  14.19   339.12  1.12
01/01/2018  mmmm    308759  70938   22.98   41.9    0.59
31/12/2017  KKKKK   2141801 303970  14.19   339.12  1.12
01/01/2018  KKKKK   308759  70938   22.98   41.9    0.59

我要找的是：

Cliente Fecha   Subastas    Impresiones_exchange    Fill_rate   Importe_a_pagar_a_medio ECPM_medio Status
interlati 01/01/2018 2141801 303970 14.19 339.12 1.12 Alerta Revenue: aumento Subastadas - descenso eCPM y Fillrate
interlati 31/12/2017 308759 70938 22.98 41.9 0.59 Alerta Fillrate -- Incremento Revenue - Imp Vendidas - Subastadas: Precaucion Fillrate buena Mejora
mmmm     01/01/2018 2141801 303970 14.19 339.12 1.12 Alerta Revenue: aumento Subastadas - descenso eCPM y Fillrate
mmmm     31/12/2017 308759 70938 22.98 41.9 0.59 Alerta Fillrate -- Incremento Revenue - Imp Vendidas - Subastadas: Precaucion Fillrate buena Mejora
KKKKK     01/01/2018 2141801 303970 14.19 339.12 1.12 Alerta Revenue: aumento Subastadas - descenso eCPM y Fillrate
KKKKK     31/12/2017 308759 70938 22.98 41.9 0.59Alerta Fillrate -- Incremento Revenue - Imp Vendidas - Subastadas: Precaucion Fillrate buena Mejora

代码：

---

最好将csv文件读入数据帧df1和df2

import pandas as pd
df1 = pd.read_csv('file1.csv')
df2 = pd.read_csv('file2.csv')

然后创建一个公共列：

# CREATE A MERGED COLUMN OF CLIENTE AND FECHA IN BOTH DATAFRAMES:
df1['cl_fecha'] = df1['Cliente']+"_"+df1['Fecha']
df2['cl_fecha'] = df2['Cliente']+"_"+df2['Fecha']

并合并两个数据帧（将在公共列上自动合并，条目顺序无关紧要）：

输出（空条目由Nan填充）：

按照注释中的建议，使用

写入csv

写入新的csv文件：

df_merged.to_csv('df_merged.csv')

---

编辑：实际上，不需要创建合并列。只需将两个数据帧与

pd.merge（df1，df2）

合并，也会产生正确的输出。Pandas

merge

函数还有几个选项，可以根据需要使用：

和？你的问题到底是什么？到目前为止，您已经解释了作为输入的内容、作为输出的内容以及您到目前为止所做的工作，但这并不是一个问题……我不能用我拥有的代码来完成这项工作，因为我需要在两个列表中搜索，并在一个列表中混合搜索列表1中的每个元素@Brunodesthuilliers您希望使用dicts（如果订单很重要，则使用OrderedDict）而不是列表，因此您可以匹配客户/日期上的行。另外，

，'.join（item）.split（'，'）

显然是无用的，或者至少它应该在一个正确的csv上-如果这些实际上是tsv（“制表符分隔值”），你必须告诉csv读者使用制表符作为分隔符（参见csv模块的文档）。好的，我该怎么做？我现在使用python@Brunodesshuilliers，我建议在底部添加一个

到_csv（）

调用，这样OP可以在最后得到他想要的csv。可能您没有正确地将csv文件读取到数据帧中。使用

print（df1）

和

print（df2）

查看每个数据帧，然后使用我的代码。

# MERGE 2 DATAFRAMES TO GET DESIRED OUTPUT:
df_merged = pd.merge(df1, df2)
print(df_merged)

      Cliente       Fecha                                             Status  \
0  interlatin  01/01/2018  Alerta Revenue: aumento Subastadas - descenso ...   
1  interlatin  31/12/2017  Alerta Fillrate -- Incremento Revenue - Imp Ve...   
2        mmmm  01/01/2018  Alerta Revenue: aumento Subastadas - descenso ...   
3        mmmm  31/12/2017  Alerta Fillrate -- Incremento Revenue - Imp Ve...   
4       KKKKK  01/01/2018  Alerta Revenue: aumento Subastadas - descenso ...   
5       KKKKK  31/12/2017  Alerta Fillrate -- Incremento Revenue - Imp Ve...   

                cl_fecha        Subastas  Impresiones_exchange  Fill_rate  \
0  interlatin_01/01/2018          308759              70938.00      22.98   
1  interlatin_31/12/2017  2141801 303970                 14.19     339.12   
2        mmmm_01/01/2018          308759              70938.00      22.98   
3        mmmm_31/12/2017  2141801 303970                 14.19     339.12   
4       KKKKK_01/01/2018          308759              70938.00      22.98   
5       KKKKK_31/12/2017  2141801 303970                 14.19     339.12   

   Importe_a_pagar_a_medio  ECPM_medio  
0                    41.90        0.59  
1                     1.12         NaN  
2                    41.90        0.59  
3                     1.12         NaN  
4                    41.90        0.59  
5                     1.12         NaN  

df_merged.to_csv('df_merged.csv')