python实现比较两个csv文件中的指定的两列数据，将相等的数据打印出来

可以使用pandas库来处理csv文件，具体实现步骤如下：

1. 读入两个csv文件，存储为两个DataFrame对象

import pandas as pd

df1 = pd.read_csv('file1.csv')
df2 = pd.read_csv('file2.csv')

2. 指定需要比较的两列数据，使用merge函数将两个DataFrame对象按照这两列进行合并

col1 = 'col1'
col2 = 'col2'
merged = pd.merge(df1, df2, on=[col1, col2], how='inner')

`on`参数指定按照哪两列进行合并，`how`参数指定使用内连接，即只保留相等的数据。

3. 打印合并后的数据

print(merged)

如果需要将合并后的数据存储为新的csv文件，可以使用to_csv函数。

merged.to_csv('merged.csv', index=False)

相关问题

python实现比较两个csv文件中的两列数据，并将其相等的数据打印出来

实现代码如下：

import csv

# 打开两个csv文件
file1 = open('file1.csv', 'r')
file2 = open('file2.csv', 'r')

# 读取csv文件中需要比较的列
col1 = csv.reader(file1)
col2 = csv.reader(file2)

# 新建一个字典存储两列数据相等的内容
same_content = {}

# 遍历两列数据并比较其内容
for row1 in col1:
    for row2 in col2:
        if row1[1] == row2[1]:  # 比较第2列数据
            same_content[row1[1]] = [row1[0], row2[0]]  # 将相等的数据存入字典中
            break

# 关闭csv文件
file1.close()
file2.close()

# 打印出两列数据相等的内容
for key, value in same_content.items():
    print(key, value[0], value[1])

上述代码中，我们首先打开需要比较的两个csv文件，读取两列数据，然后使用两个循环遍历两列数据，比较第二列数据是否相等，相等则将其存入字典中。最后，遍历字典并打印出相等的两列数据。

python实现比较两个csv文件中的指定的两列数据，将两列数据中相等的数据打印出来

假设需要比较的两个csv文件为`file1.csv`和`file2.csv`，并且需要比较的两列数据分别为`column1`和`column2`。

以下是一个简单的Python程序，实现了该需求：

import csv

file1 = open("file1.csv", "r")
file2 = open("file2.csv", "r")

csv_reader1 = csv.DictReader(file1)
csv_reader2 = csv.DictReader(file2)

# 定义两个空列表
column1_list = []
column2_list = []

# 读取file1.csv中需要比较的两列数据并存储到列表中
for row in csv_reader1:
    column1_list.append(row["column1"])
    column2_list.append(row["column2"])

# 遍历file2.csv并比较需要比较的两列数据
for row in csv_reader2:
    if row["column1"] in column1_list and row["column2"] in column2_list:
        print(row["column1"], row["column2"])

首先，该程序打开了需要比较的两个csv文件，并使用`csv.DictReader()`将它们读入程序中。接着，程序将需要比较的两列数据存储到两个列表中。

最后，程序遍历了`file2.csv`中的每一行数据，并判断该行数据中的需要比较的两列数据是否均存在于`file1.csv`中。如果是，则将这两列数据打印出来。

需要注意的是，以上代码仅适用于需要比较的两列数据中不包含重复数据的情况。如果存在重复数据，可以使用集合（set）来处理，即将需要比较的两列数据转换为集合类型，然后使用`set.intersection()`方法取得两个集合的交集。