求Python或Git Bash方案：找出同时就读两所院校的人员

问题描述 #

我有一个CSV文件，数据结构如下：

需要生成新增Output列的结果，Output列仅包含同时出现在Harvard和MIT列中的人员，顺序无要求，最终结果格式如下：

Python 实现方案 #

代码示例 #

import csv

# 读取原始CSV，提取两列人员数据
harvard = []
mit = []
with open('input.csv', 'r', newline='', encoding='utf-8') as f:
    reader = csv.DictReader(f)
    for row in reader:
        harvard.append(row['Harvard'].strip())
        mit.append(row['MIT'].strip())

# 计算同时出现的人员交集
common_people = list(set(harvard) & set(mit))

# 生成带Output列的新CSV
with open('input.csv', 'r', newline='', encoding='utf-8') as infile, \
     open('output.csv', 'w', newline='', encoding='utf-8') as outfile:
    reader = csv.DictReader(infile)
    fieldnames = reader.fieldnames + ['Output']
    writer = csv.DictWriter(outfile, fieldnames=fieldnames)
    writer.writeheader()
    
    # 先写入交集人员对应的行
    for person in common_people:
        writer.writerow({'Harvard': '', 'MIT': '', 'Output': person})
    # 再写入原始数据行，Output列留空
    for row in reader:
        row['Output'] = ''
        writer.writerow(row)

使用说明 #

1. 将原始数据保存为input.csv
2. 运行代码后，生成的output.csv即为目标结果

Git Bash（Windows）实现方案 #

命令示例 #

# 提取Harvard列去重
cut -d ',' -f1 input.csv | tail -n +2 | sort | uniq > harvard.txt

# 提取MIT列去重
cut -d ',' -f2 input.csv | tail -n +2 | sort | uniq > mit.txt

# 找出两列人员的交集
comm -12 <(sort harvard.txt) <(sort mit.txt) > common.txt

# 生成带Output列的表头
head -n1 input.csv | sed 's/$/,Output/' > output.csv

# 追加交集人员对应的空行列
while read name; do echo ",,$name"; done < common.txt >> output.csv

# 追加原始数据行，末尾补空Output列
tail -n +2 input.csv | sed 's/$/,/' >> output.csv

使用说明 #

1. 确保原始CSV文件名为input.csv，放在当前目录
2. 在Git Bash中依次执行命令，最终生成output.csv

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