如何在Python中不使用Pandas实现Full Outer Join？（已有Inner Join代码）

要实现Full Outer Join，需要覆盖三种情况：两个文件中都存在的键、仅第一个文件存在的键、仅第二个文件存在的键。以下是基于你现有Inner Join代码修改后的实现：

修改后的代码 #

import collections
import csv
import sys


def c_merge(f1, f2):
    # 读取第一个文件并构建字典
    with open(f1, 'r') as infile:
        obj = csv.reader(infile)
        header_a = next(obj)
        dict_a = {row[0]: row[1:] for row in obj}

    # 读取第二个文件并构建字典（支持同一键多行）
    with open(f2, 'r') as infile:
        obj = csv.reader(infile)
        header_b = next(obj)
        dict_b = collections.defaultdict(list)
        for row in obj:
            dict_b[row[0]].append(row[1:])

    # 获取所有唯一键（Full Outer Join需要包含所有键）
    all_keys = set(dict_a.keys()).union(dict_b.keys())

    with open('newfile.txt', 'w') as newfile:
        w = csv.writer(newfile)
        # 写入合并后的表头
        w.writerow(header_a + header_b[1:])

        for key in all_keys:
            # 情况1：键同时存在于两个文件（Inner Join逻辑）
            if key in dict_a and key in dict_b:
                for b_row in dict_b[key]:
                    w.writerow([key] + dict_a[key] + b_row)
            # 情况2：键仅存在于第一个文件，补全第二个文件的空列
            elif key in dict_a:
                empty_cols = [''] * (len(header_b) - 1)
                w.writerow([key] + dict_a[key] + empty_cols)
            # 情况3：键仅存在于第二个文件，补全第一个文件的空列
            else:
                empty_cols = [''] * (len(header_a) - 1)
                for b_row in dict_b[key]:
                    w.writerow([key] + empty_cols + b_row)


if __name__ == "__main__":
    # 修复命令行参数：sys.argv[0]是脚本名，应取第1和第2个参数
    if len(sys.argv) != 3:
        print("用法: python script.py 文件1.csv 文件2.csv")
        sys.exit(1)
    c_merge(sys.argv[1], sys.argv[2])
    # 打印结果
    with open('newfile.txt', 'r') as f:
        obj = csv.reader(f)
        for x in obj:
            print(x)

关键修改说明 #

• 收集所有键：通过set(dict_a.keys()).union(dict_b.keys())获取两个文件的所有唯一键，确保不会遗漏任何行。
• 三种场景处理：
  1. 共同键：沿用原Inner Join的逻辑，合并对应行。
  2. 仅第一个文件的键：用空字符串填充第二个文件的所有列。
  3. 仅第二个文件的键：用空字符串填充第一个文件的所有列，同时处理第二个文件中同一键的多行数据。
• 修复参数错误：原代码中sys.argv[0]是脚本本身，改为sys.argv[1]和sys.argv[2]作为输入文件路径，并增加参数校验。

内容的提问来源于stack exchange，提问作者khaledElgohary