如何用Python基于另一个CSV列更新目标CSV的多列数据

用pandas可以高效完成这个需求，代码简洁且易维护，以下是具体实现方案：

前置准备 #

如果未安装pandas，先执行安装命令：

pip install pandas

完整代码 #

import pandas as pd

# 读取两个CSV文件
master_df = pd.read_csv('Master.csv')
reference_df = pd.read_csv('Reference.csv')

# 构建Code到Value的映射字典（确保Code为字符串类型，避免类型不匹配导致的匹配失败）
reference_df['Code'] = reference_df['Code'].astype(str)
code_to_value = reference_df.set_index('Code')['Value'].to_dict()

# 替换Master.csv中的Column2和Column4
master_df['Column2'] = master_df['Column2'].astype(str).map(code_to_value)
master_df['Column4'] = master_df['Column4'].astype(str).map(code_to_value)

# 保存处理后的结果到新CSV文件
master_df.to_csv('Result.csv', index=False)

关键逻辑说明 #

• 映射字典构建：通过set_index('Code')['Value'].to_dict()将Reference.csv的Code作为键、Value作为值生成字典，后续替换时能快速查找对应值，效率远高于循环匹配。
• 类型统一：强制将Code及Master中待替换列转为字符串，避免因数值/字符串类型不一致导致的匹配失败（比如"C001"和C001会被视为不同值）。
• 批量替换：map()方法批量处理列内所有值，无需手动遍历行。

示例验证 #

输入文件示例 #

Master.csv

Column1,Column2,Column3,Column4
A,C001,X,D002
B,C003,Y,D001

Reference.csv

Code,Value
C001,Category1
C003,Category3
D001,Data1
D002,Data2

输出Result.csv #

Column1,Column2,Column3,Column4
A,Category1,X,Data2
B,Category3,Y,Data1

可选扩展 #

• 如果需要保留原始列数据，可以先复制列再替换：

  master_df['Column2_Original'] = master_df['Column2']
  master_df['Column2'] = master_df['Column2'].map(code_to_value)
  

内容的提问来源于stack exchange，提问作者Utso Das