在 Python 中合并具有不同列的 CSV

我有数百个大型 CSV 文件，我想将它们合并为一个。但是，并非所有 CSV 文件都包含所有列。因此，我需要根据列名称而不是列位置来合并文件。

需要明确的是：在合并的 CSV 中，对于来自不包含该单元格列的行的单元格，值应该为空。

我无法使用 pandas 模块，因为它使我内存不足。

是否有一个模块可以做到这一点，或者一些简单的代码？

The csv.DictReader and csv.DictWriter类应该运行良好（参见Python 文档 https://docs.python.org/3.4/library/csv.html#csv.DictReader）。像这样的事情：

import csv
inputs = ["in1.csv", "in2.csv"]  # etc

# First determine the field names from the top line of each input file
# Comment 1 below
fieldnames = []
for filename in inputs:
  with open(filename, "r", newline="") as f_in:
    reader = csv.reader(f_in)
    headers = next(reader)
    for h in headers:
      if h not in fieldnames:
        fieldnames.append(h)

# Then copy the data
with open("out.csv", "w", newline="") as f_out:   # Comment 2 below
  writer = csv.DictWriter(f_out, fieldnames=fieldnames)
  for filename in inputs:
    with open(filename, "r", newline="") as f_in:
      reader = csv.DictReader(f_in)  # Uses the field names in this file
      for line in reader:
        # Comment 3 below
        writer.writerow(line)

上面的评论：

1. 您需要提前指定所有可能的字段名称DictWriter，因此您需要循环遍历所有 CSV 文件两次：一次查找所有标题，一次读取数据。没有更好的解决方案，因为之前需要知道所有标头DictWriter可以写第一行。这部分使用集合而不是列表会更有效（in列表上的运算符相对较慢），但对于几百个标头来说不会有太大区别。集合还会失去列表的确定性排序 - 每次运行代码时，列都会以不同的顺序出现。
2. 上面的代码适用于 Python 3，其中 CSV 模块中会发生奇怪的事情，而无需newline=""。对于 Python 2，删除此选项。
3. 在此刻，line是一个以字段名称作为键、以列数据作为值的字典。您可以指定如何处理空白或未知值DictReader and DictWriter构造函数。

此方法不应耗尽内存，因为它永远不会立即加载整个文件。