質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

88.03%

ファイル内要素の比較,抽出

受付中

回答 2

投稿

  • 評価
  • クリップ 0
  • VIEW 7,070
退会済みユーザー

退会済みユーザー

#python3.4
#Windows

A,B二つのファイルが以下のような形で存在します.

A
0000_0000
0000_0001
0000_0005
・
・
・
B
0000_0000\t0002_0004
0000_0001\t0005_0012
0000_0001\t0092_0001
0000_0002\t0000_0001
・
・
・
ともにidの羅列です.Aは1列,Bはタブ区切りで2列存在します.

行いたい処理としては,AのidとBの1列目のidを比較し,
BにおけるAのidと一致するものを抽出するというものです.
例のファイルですと,結果として
0000_0000\t0002_0004
0000_0001\t0005_0012
0000_0001\t0092_0001
の3列が抽出できれば理想的です.
(Aにidの重複はありませんが,Bの1列目には重複があります)

どのような命令を作成すればよいでしょうか.

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 過去に投稿した質問と同じ内容の質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 2

+1

単純にちょろっと流す程度であれば下記など...

#coding: utf-8

import csv;

for row in csv.reader(open('data1.txt', 'r')):
    for row2 in csv.reader(open('data2.txt', 'r'), delimiter = '\t'):
        if ( row[0] == row2[0] ):
            print row2[0] + "\t" + row2[1];

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2015/09/16 18:44

    ご回答ありがとうございます.
    比較する量がかなり多いのですが、そうなると違った処理のほうがよいのでしょうか?
    id列が億単位のものもあるのですが・・・

    キャンセル

0

B のデータをメモリー中の全部読み込んでよいなら、次のようにすることで抽出できます。
data1.txt, data2.txt. 1.py を次のように準備します。

data1.csv
0000_0000
0000_0001
0000_0005
data2.csv
0000_0000    0002_0004
0000_0001    0005_0012
0000_0001    0092_0001
0000_0002    0000_0001
1.py
import csv;

data = {}
for row2 in csv.reader(open('data2.csv', 'r'), delimiter = '\t'):
    id = row2[0]
    if not id in data:
        data[id] = []
    data[id] += [row2[1]]

for row1 in csv.reader(open('data1.csv', 'r')):
    id = row1[0]
    if id in data:
        for d in data[id]:
            print(id + '\t' + d)
実行結果:
$ python3 1.py
0000_0000    0002_0004
0000_0001    0005_0012
0000_0001    0092_0001

投稿

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2015/09/19 20:29

    data2.csv すべてをメモリーに読み込むのが NG なら、お知らせください。
    別の回答を考えます。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 88.03%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる

関連した質問

同じタグがついた質問を見る