我有两个 csv 文件
文件1.csv:
ID,map1,map2
a,x1,x2
b,y1,
c,z1,z2
文件2.csv:
ID,map1Val1,map1Val2,map2Val1
a,a1,a2,l1
b,b1,b2,
c,c1,c2,n1
我希望输出看起来像:
{'ID': {'map1':['map1Val1','map1Val2'], 'map2':'map2Val1'},'a': {'x1':['a1','a2'], 'x2':'l1'},'b': {'y1':['b1','b2']},'c': {'z1':['c1','c2'], 'z2':'n1'},}
我想不出任何方法来创建这个。到目前为止,我只有一段代码可以从一个 csv 文件创建字典:
import csv
new_data_dict = {}
with open("file1.csv", 'r') as map_file:
mapping = csv.DictReader(map_file, delimiter=",")
for row in mapping:
new_data_dict= {row[0]:{row[1],row[2]}}
print new_data_dict
输出:
{"ID":{map1,map2}, "a":{x1,x2}, "b":{y1}, "a":{z1,z2}}
最佳答案
这是一个更加动态的解决方案,允许您预先配置 file1
中的哪些列映射到 file2
中的哪些列:
import csv
= {'map1': ['map1Val1', 'map1Val2'],
'map2': ['map2Val1']
}
joined_data = dict()
joined_data['ID'] = column_map
with open("file1.txt") as f1, open("file2.txt") as f2:
key_list = list(csv.DictReader(f1))
value_list = list(csv.DictReader(f2))
for kl, vl in zip(key_list, value_list):
inner = {}
for key, value_list in column_map.items():
if kl[key]:
inner[kl[key]] = [vl[el] for el in value_list]
joined_data[kl['ID']] = inner
使用 csv.DictReader
可以让我们将每一行的数据映射到 dict
中,其键(默认情况下)由文件的第一行给出。这两个 DictReader
对象被转换为列表并使用 zip
进行迭代。使用column_map
作为指导,我们创建一个新的inner
字典,将key_list
中的键与value_list
中的值关联起来。
编辑
对于完全动态的解决方案,您可以通过将 file1
中的列标题与 file2
中的列标题进行比较来动态创建 column_map
import csv
from collections import defaultdict
joined_data = dict()
column_map = defaultdict(list)
with open("file1.txt") as f1, open("file2.txt") as f2:
kh = next(f1).strip()
vh = next(f2).strip()
key_headers = kh.split(',')
value_headers = vh.split(',')
[column_map[k].append(v) for k in key_headers[1:] for v in value_headers[1:] if v.startswith(k)]
joined_data['ID'] = dict(column_map)
key_list = list(csv.DictReader(f1, fieldnames=key_headers))
value_list = list(csv.DictReader(f2, fieldnames=value_headers))
for kl, vl in zip(key_list, value_list):
inner = {}
for key, value_list in column_map.items():
if kl[key]:
inner[kl[key]] = [vl[el] for el in value_list]
joined_data[kl['ID']] = inner
关于python - 从两个 csv 文件创建嵌套字典,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42604594/