如何根据 python 中两个单独文本文件的子字符串提取行？

Question

我有两个文本文件。第一个是以下形式：

K, 6
J, 5
L, 4

第二个文件的格式为：

K_1, 6
K_2, 5
J_1, 4
J_2, 4
J_3, 5
L_1, 4

我需要以下形式的输出：

K_1, 6, 6, same
K_2, 5, 6, different
J_1, 4, 5, different
J_2, 4, 5, different
J_3, 5, 5, same
L_1, 4, 4, same

其中每一行都以第二个文本文件中的行开头（前两个值），然后我必须根据第一个文本文件中的子字符串选择第三个值（即对于 K_1，子字符串是 K我需要从第一个文本文件中选择值 6）。如果每行中的值相同，则应打印 "same" 否则每行打印 "different"。

最后我需要计算输出文件中 "same" 的行数和 "different" 的行数。

我尝试编写以下代码，但它没有给我预期的输出：

m1 = open('TextFile_1.txt')
m2 = open('TextFile_2.txt')
result = open('Output.txt','w')

lookup_from = {}
l2=[]

for line1 in m1:
    z1 = line1.split(',')[0].strip()
    z2 = z1.split('_')[0].strip()
    z3 = line1.split(',')[1].strip()
    ZX = (z2, z1, z3)
    lookup_from[ZX] = 0

for line2 in m2:
    z11 = line2.split(',')[0].strip()
    z22 = z11.split('_')[0].strip()
    z33 = line2.split(',')[1].strip()
    if z22 in [x for x,_,_ in lookup_from]:
        z4 = (z22, z11, z33)
        z5 = z4 + tuple([x for _,_,x in lookup_from])
        l2.append(z5)

for i in l2:
    result.write(str(i)[1:-1]+'\n')
result.close()

Answer 1

您可以使用 pd.read_csv() 输入您的数据替换下面的 file1 和 file2 然后使用以下代码：

import pandas as pd
import numpy as np

file1 = pd.DataFrame({'col1': ['K', 'J', 'L'],
                      'col2': [6, 5, 4]})

file2 = pd.DataFrame({'col3': ['K_1', 'K_2','J_1', 'J_2', 'J_3', 'L_1'],
                      'col4': [6, 5, 4, 4, 5, 4]})

file2['col1'] = file2.col3.str[0]

compare = file2.merge(file1)
del(compare['col1'])

compare['result'] = np.where(compare.col4 == compare.col2, 'same', 'different')

print(compare)

输出：

  col3  col4  col2     result
0  K_1     6     6       same
1  K_2     5     6  different
2  J_1     4     5  different
3  J_2     4     5  different
4  J_3     5     5       same
5  L_1     4     4       same

Answer 2

如果您从第一个文件创建一个简单的键值字典，然后在读取第二个文件时即时生成输出，则可以避免所有复杂的查找：

with open('TextFile_1.txt') as f1:
    lookup = dict([x.strip() for x in line.split(',')] for line in f1)

with open('Output.txt', 'w') as out:
    with open('TextFile_2.txt') as f2:
        for line in f2:
            k, v = [x.strip() for x in line.split(',')]
            n = lookup[k.split('_')[0]]
            out.write(', '.join(
                [k, v, n, 'same' if v == n else 'different']) + '\n')

输出：

K_1, 6, 6, same
K_2, 5, 6, different
J_1, 4, 5, different
J_2, 4, 5, different
J_3, 5, 5, same
L_1, 4, 4, same

如何根据 python 中两个单独文本文件的子字符串提取行？

How to extract lines based on a substring from two separate text files in python?

python

text-parsing