如果它是一个大的CSV文件，或者您打算继续使用表格，我建议使用 * Pandas * 模块。
老实说，即使它是一个小文件，或者您不打算继续使用表格，* Pandas * 也是一个优秀的模块。
据我所知（我可能搞错了），对于读取CSV文件，* Pandas * 是最快的库之一。

import pandas as pd

df = pd.read_csv("path to your csv file", use_cols = ["column1", "column2"])

def new_list(df):
    return [item for item in df["column2"].values if item not in df["column1"].values]

检查Pandas系列中的项目时，使用.values非常重要（当您提取DataFrame中的列时，您将得到Pandas系列）
您还可以使用list(df["column1"])和How to determine whether a Pandas Column contains a particular value中建议的其他方法来确定某个值是否包含在panda列中
例如：

df = pd.DataFrame({"column1":[1,2,3,4], "column2":[2,3,4,5]})

Dataframe 将被

column1   column2
1   2
2   3
3   4
4   5

而new_line将返回[5]

你可以把两个文件都读入对象，然后在一个循环中进行比较，下面是一个简短的代码片段（不是类实现）：

fsOld = open('oldFile.csv', 'r')
fsNew = open('newFile.csv', 'r')
fsLinesOld = fsOld.readlines()
fsLinesNew = fsNew.readlines()
outList = []

# assumes lines are same for both files data:
for i in range(0, fsLinesOld.__len__(), 1):
    if ( fsLinesOld[i] == fsLinesNew[i]):
        outList.append(fsLinesOld[i])

首先，更改阅读CSV文件的方式，如果只需要一列，请在usecols中注明，如下所示

df = pd.read_csv("sample_file.csv", usecols=col_list)

第二，如果不是逐行比较，可以使用setdifference，如下所示

set(df.col.to_list()).difference(set(df2.col.to_list()))