Python 将2个CSV文件与数值进行比较
比较两个csv文件,需要共享所需结果,如数值差异、字段值类型、记录计数等 输入文件A XYZ_20190908.csv: 输入文件B XYZ_20190909.csv: 输出: 对应字段的每个值的差异。 如果所有值均为NaN,则返回错误 比较文件A和文件B中的值,如果值与 具有不同数据的两个文件中的位置具有不同的数据类型,如文件A具有52680.898056,而文件B中的值为NaN,应显示错误Python 将2个CSV文件与数值进行比较,python,csv,Python,Csv,比较两个csv文件,需要共享所需结果,如数值差异、字段值类型、记录计数等 输入文件A XYZ_20190908.csv: 输入文件B XYZ_20190909.csv: 输出: 对应字段的每个值的差异。 如果所有值均为NaN,则返回错误 比较文件A和文件B中的值,如果值与 具有不同数据的两个文件中的位置具有不同的数据类型,如文件A具有52680.898056,而文件B中的值为NaN,应显示错误 需要帮助。我建议你使用熊猫图书馆。它有一些有用的方法来处理此类问题,如读取csv和读取csv。使用熊猫
需要帮助。我建议你使用熊猫图书馆。它有一些有用的方法来处理此类问题,如读取csv和读取csv。使用熊猫:
df1 = pd.read_csv(`XYZ_20190908.csv`)
df2 = pd.read_csv(`XYZ_20190909.csv`)
确保它们具有相同的列和索引结构,以便您可以以所需的方式合并它们
df = pd.concat([df1,df2])
这只有在行和/或列逻辑对齐时才有意义
合并后,您可以继续执行任何操作。具体地说,是为你的问题a、b和c指明方向的东西:
df['diff']=df.col_df1 - df.col_df2
df.isna()
df.apply(lambda x: if type(x.col_df1) == type(x.col_df2) True else False, axis = 1)
但是,问题太广泛,数据结构太不精确,无法正确回答您的问题。您好,欢迎来到Stackoverflow!请参阅及。把你面临的问题的更多细节写出来。包括到目前为止您尝试过的相关代码段。Live server无法安装
df = pd.concat([df1,df2])
df['diff']=df.col_df1 - df.col_df2
df.isna()
df.apply(lambda x: if type(x.col_df1) == type(x.col_df2) True else False, axis = 1)