Python：如何从两个CSV列以及任何额外的或'；缺失'；价值观

基本上，我们有这两个列，我们想让'have'列与'Should have'列匹配。我希望代码创建一个新列，显示“have”中的重复项或额外项，另一列显示“Should have”中的金额，但“have”中缺少

我不知道怎样才能找到重复的

---

文件：test.csv

---

不太确定所有可能的案例都是从这个问题判断出来的，例如，什么将构成“缺失”？尽管“Have”值不等于“Should Have”值，为什么第2、3和5行没有列出

无论如何，希望这能成为一个有用的指南。您可以在中阅读有关CSV处理的更多信息

文件：

输出：

>> print(extras)
# [(2000.0, [8]), (1000.0, [7])]

>> print(missing)
# [(88.74, [0, 2, 8]), (9.99, [6])]

>> print(duplicates)
# [(200.0, [0, 4, 5, 8])]

一些注意事项：

• dict.setdefault（key，[]）.append（value）

  方法允许我们轻松地向一个键追加（或创建一个新列表），以便为每个值存储多个行ID（请参阅）
• 如果您使用的是Python2.x和Python3.x的

  items（）

  ，请使用

  items（）

• 我用（键，值）元组格式化了输出列表。原因是我不确定您要保留/丢弃哪些行ID，所以将它们都放在那里！为它们编制索引

  tupl=output\u list[#]

  将为您提供一个元组，

  tupl[1]

  或

  tupl[0]

  将分别为您提供行ID的值或列表

---

在问题中以文本形式发布CSV。此外，我还发现了一些类似的问题，这些问题比较了两个CSV，但它们没有说明重复。在迄今为止我发现的最有用的代码中，“hosts.csv”中的第一列与“masterlist.csv”中的第一列进行了比较，并创建了一个“results.csv”，说明主机中的每一行是否在masterlist中的某个位置找到。然而，我还需要知道它在masterlist中被发现了多少次，这样我就可以去掉任何多余的，或“重复的”。例如，如果金额“2.75”在主列中被发现12次，那么它也应该在另一列中被发现12次。我正在处理每列中的数百行。我想编写一段代码，立即向我显示第1列中的内容，而不是第2列中的内容，反之亦然，它们在每列中的时间长短非常重要感谢您的贡献。第2行的“Have”中的金额为2.99，而“Should Have”中的金额为2.99，因此这些值是好的。如果你愿意的话，他们会“互相划掉”。88.74年代也是如此。我们在have列中有两次值200，但在Should have列中只有一次，因此有一个额外的值，或者说是重复的200。希望这能澄清问题。这些值不必彼此相邻。它们只需要在第1列中显示与第2列相同的确切次数！好的，明白了！编辑以修复缺少的值（如果要在列表中查找唯一值，请使用

set

）。我个人不喜欢重复的解决方案，希望你能找到一个更优雅的方式！很抱歉，您只能相互减去集合。修正。谢谢你的帮助，我会努力使它更优雅，我还在这个项目的早期阶段，我想投入更多的时间。另外，我是python新手，所以我感谢所有的帮助。

~$ cat test.csv
    have  , should-have
    200   , 88.74
    42.5  , 42.5
    2.99  , 88.74
    88.74 , 2.99
    200   , 200
    200   , 8.7
    8.7   , 9.99
    1000  , 200
    200
    88.74
    2000, 88.74

>> print(extras)
# [(2000.0, [8]), (1000.0, [7])]

>> print(missing)
# [(88.74, [0, 2, 8]), (9.99, [6])]

>> print(duplicates)
# [(200.0, [0, 4, 5, 8])]