使用pandas对比两个CSV文件，找出第一个CSV独有的code值

需求说明 #

从第一个包含Code、Aid列的CSV中，筛选出Code值未出现在第二个CSV的com_code列中的记录。

代码实现 #

import pandas as pd

# 读取两个CSV文件（替换为你的实际文件路径）
df1 = pd.read_csv('first_file.csv')
df2 = pd.read_csv('second_file.csv')

# 提取第二个文件中所有唯一的com_code值集合
valid_codes = set(df2['com_code'].unique())

# 筛选df1中Code不在参照集合内的记录，并去重（匹配期望输出格式）
filtered_result = df1[~df1['Code'].isin(valid_codes)].drop_duplicates()

# 重置索引让输出更整洁
filtered_result = filtered_result.reset_index(drop=True)

# 打印结果或保存到CSV
print(filtered_result)
# filtered_result.to_csv('output.csv', index=False)

关键逻辑解释 #

• df1['Code'].isin(valid_codes)：判断df1的Code值是否存在于参照集合中
• ~：对判断结果取反，保留不在参照集合内的记录
• drop_duplicates()：因为原df1中存在重复的78909记录，而期望输出仅保留一条，所以添加此步骤；若需保留所有重复记录，可直接移除该方法

内容的提问来源于stack exchange，提问作者BHUVANESHWARAN D