希望使用Python 2.7按ID将两个Excel文件合并为一个Excel文件

Question

我是Python家族的新手，几天来一直试图解决合并两个Excel文件的问题。我对合并进行了无休止的研究，并试图调整我的代码以满足我的需求，但它一直不起作用。我想知道我是否能得到任何帮助，为什么我的代码不能工作。我觉得这可能是使用Python的其他人的一个常见问题，所以希望这也能帮助其他人。我很感激任何评论！

我有两个excel文件，“中文scores3.csv”和“中文scores4.csv”，我试图通过一个ID合并，这是每个公司唯一的。除了公司ID之外，每个excel文件都没有匹配的列。此外，并不是所有的公司都在这两个文件中上市。有些同时列出两者，但另一些则在其中之一或另一个上列出。我想把公司ID的所有信息一起附在excel表的一行中。即第一个excel文件列是ID、JanSales、FebSales等，第二个excel文件列是ID、CreditScore、EMMAScore等。我想创建的excel文件有列:ID、JanSales、FebSales、CreditScore、EMMAScore都根据公司ID。

import sys
import csv

def main(arg):
    headers= []

    for arg in 'Chinese Scores3.csv':
        with open(arg) as f:
            curr = 'Chinese Scores3.csv'.reader(f).next()
            headers.append(curr)
            try:
                keys=list( set(keys) & set (curr))
            except NameError:
                keys = curr


    header = list(keys)
    for h in headers:
        header += [ k for k in h if k not in keys ]

    data = {}
    for arg in 'Chinese Scores4.csv':
        with open(arg) as f:
            reader = 'Chinese Scores4.csv'.DictReader(f)
            for line in reader:
                data_key = tuple([ line[k] for k in keys ])
                if not data_key in data: data[data_key] = {}
                for k in header:
                    try:
                        data[data_key][k] = line[k]
                    except KeyError:
                        pass

    for key in data.keys():
        for col in header:
            if key in data and not col in data[key]:
                del( data[key] )

    print ','.join(header)
    for key in sorted(data):
        row = [ data[key][col] for col in header ]
        print ','.join(row)

if __name__ == '__main__':
    sys.exit( main( sys.argv[1:]) )

Answer 1

虽然我们可以修复您的代码，但如果您要做这种工作，我强烈建议您查看pandas库。它使生活变得容易得多，但往往近乎琐碎。

例如，如果我们有两个csv文件（尽管如果我们愿意，我们可以直接从Excel文件开始）：

>>> !cat scores3.csv
ID,JanSales,FebSales
1,100,200
2,200,500
3,300,400
>>> !cat scores4.csv
ID,CreditScore,EMMAScore
2,good,Watson
3,okay,Thompson
4,not-so-good,NA

我们可以将这些内容读入称为DataFrames的对象（把它们想象成类似于Excel表）：

>>> import pandas as pd
>>> s3 = pd.read_csv("scores3.csv")
>>> s4 = pd.read_csv("scores4.csv")
>>> s3
   ID  JanSales  FebSales
0   1       100       200
1   2       200       500
2   3       300       400
>>> s4
   ID  CreditScore EMMAScore
0   2         good    Watson
1   3         okay  Thompson
2   4  not-so-good       NaN

>>> merged = s3.merge(s4, on="ID", how="outer")
>>> merged
   ID  JanSales  FebSales  CreditScore EMMAScore
0   1       100       200          NaN       NaN
1   2       200       500         good    Watson
2   3       300       400         okay  Thompson
3   4       NaN       NaN  not-so-good       NaN

之后，我们可以将其保存到csv文件或Excel文件中：

>>> merged.to_csv("merged.csv")
>>> merged.to_excel("merged.xlsx")