Сравнение нескольких столбцов одного файла CSV и возврат результата в другой файл CSV с использованием Python

Question

У меня есть CSV-файл с 7 столбцами

Это мой CSV-файл

Application,Expected Value,ADER,UGOM,PRD
APP,CVD2,CVD2,CVD2,CVD2
APP1,"VCF7,hg6","VCF7,hg6","VCF8,hg6","VCF7,hg6"
APP1,"VDF9,pova8","VDF9,pova8","VDF10,pova10","VDF9,pova11"
APP2,gf8,gf8,gf8,gf8
APP3,pf8,pf8,gf8,pf8
APP4,vd3,mn7","vd3,mn7","vd3,mn7","vd3,mn7"

Итак, здесь я хочу сравнить столбец Ожидаемое значение со столбцами после этого (то есть ADER, UGOM, PRD)

так вот мой код в python

    import pandas as pd
    
    # assuming id columns are identical and contain the same values
    df1 = pd.read_csv('file1.csv', index_col='Expected Value')
    df2 = pd.read_csv('file1.csv', index_col='ADER')
    
    df3 = pd.DataFrame(columns=['status'], index=df1.index)
    df3['status'] = (df1['Expected Value'] == df2['ADER']).replace([True, False], ['Matching', 'Not Matching'])
    
    df3.to_csv('output.csv')

Таким образом, это не создает файл output.csv , и не генерирует никаких выходных данных. Так может ли кто-нибудь помочь

Итак, я отредактировал код: на основе комментария @Vlado

import pandas as pd

# assuming id columns are identical and contain the same values
df1 = pd.read_csv('first.csv')
df3 = pd.DataFrame(columns=['Application','Expected Value','ADER','status of AdER'], index=df1.index)
df3['Application']  = df1['Application']
df3['Expected Value']  = df1['Expected Value']
df3['ADER']  = df1['ADER']

df3['status'] = (df1['Expected Value'] == df1['ADER'])

df3['status'].replace([True, False], ['Matching', 'Not Matching'])
df3.to_csv('output.csv')

, так что теперь он работает для одного столбца ADER, но мои заголовки после Ожидаемые значения - динамические c, они могут измениться. поэтому иногда это может быть один столбец после ожидаемого значения, иногда N столбцов и имя заголовка также могут измениться. так что кто-нибудь может помочь о том, как это сделать

Answer 1

Приведенный ниже фрагмент кода генерирует желаемый результат. После этого он сравнит столбец ожидаемого значения с остальными столбцами.

import pandas as pd
df = pd.read_csv("input.csv")

expected_value_index = df.columns.get_loc("Expected Value")
for col_index in range(expected_value_index+1, len(df.columns)):
    column = df.columns[expected_value_index]+" & "+ df.columns[col_index]
    df[column] = df.loc[:,"Expected Value"] == df.iloc[:,col_index]
    df[column].replace([True, False], ["Matching", "No Matching"], inplace=True)

df.to_csv("output.csv", index=None)

Answer 2

Попробуйте этот код

k = list(df1.columns).index('Expected Value') + 1
    # get the integer index for the column after 'Expected Value'
df3 = df1.iloc[:, :k]
    # copy first k columns
df3 = pd.concat([df3, (df1.iloc[:, k:] == np.repeat(
    df1['Expected Value'].to_frame().values, df1.shape[1] - k, axis=1))], axis=1)
    # slice df1 with iloc, wich works just as slicing lists in python
    # np.repeat, used to repeat 'Expected Value' as many columns as needed (df1.shape[1]-k=3)
    # .to_frame, slicing a column from a df returns a 1D series so we turin it back into a 2D df
    # .values, returns the underlying numpy array without any index/column names
        # ...without .values Pandas would try to find 3 columns named 'Expected Value' in df1
    # concatenate previous df3 with this calculation
print(df3)

Вывод

  Application   FileName   ConfigVariable Expected Value  ADER   UGOM    PRD
0        APP1  FileName1  ConfigVariable1           CVD2  True   True   True
1        APP1  FileName2  ConfigVariable2       VCF7,hg6  True  False   True
2        APP1  FileName3  ConfigVariable3     VDF9,pova8  True  False  False
3        APP2  FileName4  ConfigVariable4            gf8  True   True   True
4        APP3  FileName5  ConfigVariable5            pf8  True  False   True
5        APP4  FileName6   ConfigVariable        vd3,mn7  True   True   True

Конечно, вы можете сделать al oop, если по какой-то причине вам нужен специальный расчет для некоторого столбца

for colname in df1.columns[k:]:
    df3[colname] = df1[colname] == df1['Expected Value']

Answer 3

Я пока не пробовал реплицировать ваш код, но вот несколько предложений:

Вам не нужно читать df два раза. df1 = pd.read_csv ('FinalResult1.csv') достаточно.

Затем вы можете продолжить с

df1 ['status'] = (df1 ['exp'] == df1 ['ader'])

df1 ['status']. replace ([True, False], ['Matching', 'Not Matching'])

В качестве альтернативы вы можете сделать это строка за строкой, используя метод pandas apply. Если это не сработает, разумным первым шагом будет распечатать фрейм данных, чтобы увидеть, что происходит.