在Ruby中连接两个CSV文件而不使用表

我有两个CSV文件，其中的列有

A、B、C

。&<代码>D、E、F。我想将这两个CSV文件合并到一个新文件中，其中包含

File1.B=File2.E

行，该行包含

a、B/E、C、D、F

。如何在不使用表的情况下实现此连接？

如果您有如下CSV文件：

first.csv：

second.csv：

您可以这样做：

require 'csv'

first = CSV.read('first.csv')
second = CSV.read('second.csv')

CSV.open("result.csv", "w") do |csv|
  csv << %w[A B.E C D F]
  first.each do |rowF|
    second.each do |rowS|
      csv << [rowF[0],rowF[1],rowF[2],rowS[0],rowS[2]] if rowF[1] == rowS[1]
    end
  end

end

---

Givens

我们得到以下信息

两个输入文件的路径：

fname1 = 't1.csv'
fname2 = 't2.csv'

target1 = 'B'
target2 = 'E'

输出文件的路径：

fname3 = 't3.csv'

两个输入文件中要匹配的标题名称：

fname1 = 't1.csv'
fname2 = 't2.csv'

target1 = 'B'
target2 = 'E'

我确实假设（与示例一样）这两个文件必然包含相同数量的行

创建测试文件

让我们首先创建两个文件：

str = [%w|A B C|, %w|1 1 1|, %w|2 2 2|, %w|3 4 5|, %w|6 9 9|].
        map { |a| a.join(",") }.join("\n")
  #=> "A,B,C\n1,1,1\n2,2,2\n3,4,5\n6,9,9"
File.write(fname1, str)
  #=> 29

将输入文件读入

CSV:：Table

objects

读取

fname1

时，我将使用

：header\u converters

选项将header

“B”

转换为

“B/E”

。请注意，这并不需要知道标题为“B”的列的位置（或任何可能的位置）

构造要从每个输入文件写入的标题数组

headers1 = csv1.headers
  #=> ["A", "B/E", "C"]
headers2 = csv2.headers - [target2]
  #=> ["D", "F"]

创建输出文件

headers1 = csv1.headers
  #=> ["A", "B/E", "C"]
headers2 = csv2.headers - [target2]
  #=> ["D", "F"]

我们首先将新的头

headers1+headers2

写入输出文件

接下来，对于满足条件的每一行索引

i

（

i=0

，对应于每个文件标题行之后的第一行），我们将

csv1[i]

和

csv2[i]

的元素作为单行写入

headers1

和

headers2

中具有标题的列中。在索引

i

处写入行需要满足的条件是

i

满足：

csv1[i][new_target1] == csv2[i][target2] #=> true

现在打开

fname3

进行编写，先写标题，然后写正文

CSV.open(fname3, 'w') do |csv|
  csv << headers1 + headers2
  [csv1.size, csv2.size].min.times do |i|
    csv << (headers1.map { |h| csv1[i][h] } +
            headers2.map { |h| csv2[i][h] }) if
             csv1[i][new_target1] == csv2[i][target2]
  end
end
  #=> 4

---

答案是使用GROUPBY创建一个哈希表，然后迭代哈希表的键。假设要加入的列在每个表中都是唯一的：

join_column = "whatever"
csv1 = CSV.table("file1.csv").group_by { |r| r[join_column] }
csv2 = CSV.table("file2.csv").group_by { |r| r[join_column] }

joined_data = csv1.keys.sort.map do |join_column_values|
  csv1[join_column].first.merge(csv2[join_column].first)
end

---

如果列在每个表中不是唯一的，那么您需要决定如何处理这些情况，因为数组

csv1[join\u column]

和

csv2[join\u column]

中不仅仅有第一个元素。您可以按照其他答案之一（即嵌套映射调用）中的建议进行O（mxn）连接，也可以根据某些条件对它们进行筛选或组合。选择取决于您的用例。

发布一些示例数据和期望的结果查看您的问题历史，您似乎不接受问题的答案。不幸的是，这导致无法再得到答案。请参见示例：如果TL；博士，至少看看照片。祝你好运。我不确定我是否正确地解释了这个问题（尤其是对“加入”的引用）。如果第二个文件的最后两行互换，答案是否保持不变@回答“是”；我的回答是“不”。如果第二个文件的

“9”

列中有多行

“9”

，则这些行中的哪些行将与第一个文件中的当前行合并并写入文件？再次说“是”、“否”。现在，您在授予绿色复选标记方面的得分达到了10分之一。这就是我使用的，但我希望找到比O（mxn）更好的东西。如果您首先对数据进行排序并获得O（max（m log m，n log n）），您可以做得更好。如果使用由要加入的列键控的哈希表，还可以使用O（m+n）额外空间获得O（m+n）。

CSV.open(fname3, 'w') do |csv|
  csv << headers1 + headers2
  [csv1.size, csv2.size].min.times do |i|
    csv << (headers1.map { |h| csv1[i][h] } +
            headers2.map { |h| csv2[i][h] }) if
             csv1[i][new_target1] == csv2[i][target2]
  end
end
  #=> 4

puts File.read(fname3)
A,B/E,C,D,F
1,1,1,21,41
6,9,9,26,239

join_column = "whatever"
csv1 = CSV.table("file1.csv").group_by { |r| r[join_column] }
csv2 = CSV.table("file2.csv").group_by { |r| r[join_column] }

joined_data = csv1.keys.sort.map do |join_column_values|
  csv1[join_column].first.merge(csv2[join_column].first)
end