Python对比CSV文件求交集遇MergeError，附可视化需求求助

报错原因及修复方案 #

你遇到的MergeError大概率是因为**name_id列的匹配存在问题**，比如列名/值带空格、数据类型不匹配，或是未明确指定合并键。下面是修复后的完整代码：

import pandas as pd

# 读取文件，处理CSV中逗号后带空格的情况，同时清洗列名和值的空格
file1 = pd.read_csv('old_file.csv', sep=',\s*', engine='python')
file1['name_id'] = file1['name_id'].str.strip()

file2 = pd.read_csv('best_choice_file.csv')
file2['name_id'] = file2['name_id'].str.strip()

# 明确指定合并键为name_id，取交集（inner join）
common_rows = pd.merge(file1, file2, on='name_id', how='inner')
print("共同数据行：")
print(common_rows)

# 可选：将结果保存到新CSV
common_rows.to_csv('common_concentrations.csv', index=False)

关键修复点： #

• 用sep=',\s*'和engine='python'解析CSV中逗号后带任意空格的格式，避免列名读取错误
• 用str.strip()去除name_id值的前后空格，解决因空格导致的匹配失败
• 明确指定on='name_id'和how='inner'，替代默认合并逻辑，避免歧义

浓度数据可视化 #

提取到共同数据后，可通过以下代码做可视化对比：

import matplotlib.pyplot as plt

# 柱状图：对比每个样本的两个测试浓度
plt.figure(figsize=(12, 6))
x = range(len(common_rows))
width = 0.35

plt.bar([i - width/2 for i in x], common_rows['conc_test1'], width, label='conc_test1')
plt.bar([i + width/2 for i in x], common_rows['conc_test2'], width, label='conc_test2')

plt.xticks(x, common_rows['name_id'], rotation=45, ha='right')
plt.title('优选样本浓度测试对比')
plt.xlabel('样本ID')
plt.ylabel('浓度值')
plt.legend()
plt.tight_layout()
plt.show()

# 箱线图：查看两个测试浓度的整体分布
plt.figure(figsize=(8, 6))
common_rows[['conc_test1', 'conc_test2']].boxplot()
plt.title('优选样本浓度分布')
plt.ylabel('浓度值')
plt.show()

额外排查项 #

如果仍报错，检查以下内容：

• 确认两个文件的name_id列名完全一致（注意大小写、特殊字符）
• 检查name_id列是否有空值，可通过以下代码去除缺失行：

  file1 = file1.dropna(subset=['name_id'])
  file2 = file2.dropna(subset=['name_id'])
  

内容的提问来源于stack exchange，提问作者Sam