小编ipr*_*214的帖子

df_a并且df_b是两个数据框，如下所示

df_a
A   B       C      D     E
x1  Apple   0.3   0.9    0.6
x1  Orange  0.1   0.5    0.2
x2  Apple   0.2   0.2    0.1
x2  Orange  0.3   0.4    0.9
x2  Mango   0.1   0.2    0.3
x3  Orange  0.3   0.1    0.2


df_b
A   B_new   F    
x1  Apple   0.3  
x1  Mango   0.2  
x1  Orange  0.1   
x2  Apple   0.2   
x2  Orange  0.3     
x2  Mango   0.1  
x3  Orange  0.3  
x3  Mango   0.2  
x3  Apple   0.1  

我希望我的final_df包含包含在所有的行df_a，使得它设想的独特组合df_a['A'] == df_b['A']和 …

我有一个名为accountnumber的列,其值在pandas数据帧中类似于4.11889000e + 11.我想压制科学记数法并将值转换为4118890000.我尝试了以下方法,但没有奏效.

df = pd.read_csv(data.csv)
pd.options.display.float_format = '{:,.3f}'.format

请推荐.

我正在尝试计算两个大型 csv 文件（~ 4GB）之间的差异以获取新添加的行并将它们写入输出 csv 文件。通过使用以下代码，我能够为相对较小的文件（~50MB）获得此功能。

input_file1 = "data.csv"
input_file2 = "data_1.csv"
output_path = "out.csv"

with open(input_file1, 'r') as t1, open(input_file2, 'r') as t2:
    fileone = t1.readlines()
    filetwo = t2.readlines()

with open(output_path, 'w') as outFile:
    for line in filetwo:
        if line not in fileone:
            outFile.write(line)

但是，对于较大的文件，上述代码要么太慢（运行约半小时），要么因内存空间不足而崩溃。

有没有更快的方法来获取大型 csv 文件的差异？