Estoy usando Python csvkit para comparar 2 archivos como este:
df1 = pd.read_csv('input1.csv', sep=',\s+', delimiter=',', encoding="utf-8") df2 = pd.read_csv('input2.csv', sep=',\s,', delimiter=',', encoding="utf-8") df3 = pd.merge(df1,df2, on='employee_id', how='right') df3.to_csv('output.csv', encoding='utf-8', index=False)
Actualmente estoy ejecutando el archivo a través de un script de antemano que elimina los espacios de la columna employee_id .
Un ejemplo de employee_id s:
37 78973 3 23787 2 22 3 123
¿Hay alguna manera de hacer que csvkit haga y me guarde un paso?
Puedes strip() una serie completa en Pandas usando .str.strip () :
df1['employee_id'] = df1['employee_id'].str.strip() df2['employee_id'] = df2['employee_id'].str.strip()
Esto eliminará los espacios en blanco iniciales / finales en la columna employee_id en df1 y df2
Alternativamente, puede modificar sus líneas read_csv para usar también skipinitialspace=True
df1 = pd.read_csv('input1.csv', sep=',\s+', delimiter=',', encoding="utf-8", skipinitialspace=True) df2 = pd.read_csv('input2.csv', sep=',\s,', delimiter=',', encoding="utf-8", skipinitialspace=True)
Parece que está intentando eliminar espacios en una cadena que contiene números. Puedes hacer esto por:
df1['employee_id'] = df1['employee_id'].str.replace(" ","") df2['employee_id'] = df2['employee_id'].str.replace(" ","")
Puedes hacer la strip() en pandas.read_csv() como:
pandas.read_csv(..., converters={'employee_id': str.strip})
Y si solo necesitas quitar los espacios en blanco iniciales:
pandas.read_csv(..., converters={'employee_id': str.lstrip})
Y para eliminar todos los espacios:
def strip_spaces(a_str_with_spaces): return a_str_with_spaces.replace(' ', '') pandas.read_csv(..., converters={'employee_id': strip_spaces})
Df['employee']=Df['employee'].str.strip()