Tengo dos ficheros Excel, que los he pasado a txt para poder trabajar con ellos desde pandas.
Inicialmente tienen el mismo número de columnas, muchas columnas, aunque con diferentes datos debajo. Los encabezados son iguales, pero puede que no estén en el mismo orden.
Al fichero A
manualmente le elimino las columnas que no me interesan. Y ahora, en fichero B
, quiero quedarme únicamente con las columnas que me he quedado en el fichero A
, es decir, eliminar las que no estén en el fichero A
.
Al final, que me compruebe que los encabezados de ambos ficheros son iguales, y me diga que son iguales y me muestre el número, por ejemplo, para asegurarme de que ha hecho exactamente lo que yo quiero.
Empiezo a hacer el script y me da error. ¿Alguien se le ocurre algo sabiendo lo que quiero hacer?
# -*- coding: utf-8 -*-
import pandas as pd
import sys
from pandas import read_csv
if len(sys.argv) < 3:
print('Usage: '+sys.argv[0]+' {file_big} {file_small}')
sys.exit(1)
file_big = sys.argv[1]
file_small = sys.argv[2]
def compare (file_big, file_small):
data=pd.read_csv(file_big, delimiter="\t")
data=pd.read_csv(file_small, delimiter="\t")
#contar número de columnas
with file("file_big") as big:
line = big.readline()
print(len(line.split()), "columns in big")
with file("file_small") as small:
line = small.readline()
print(len(line.split()), "columns in small")