如何向已有记录的CSV文件中按需填充代码数据？

需求回顾 #

• 用户输入单个代码后，程序在CSV中查找该用户：
  • 若用户已存在：找到该行下一个空的CODE列填入代码；所有CODE列都有值时，覆盖第一个CODE1列
  • 若用户不存在：新增一行记录，日期为当前日期，新代码填入CODE1

原代码问题分析 #

• 混用Pandas和CSV模块，逻辑冗余且易出错
• 强制要求用户输入所有5个代码，不符合“输入单个代码”的核心需求
• 字典中存在重复键（KEYWORD1出现两次），会导致数据丢失
• 判断用户存在的方式username in df.values不准确，可能误匹配其他列的内容

优化后的代码 #

import pandas as pd
from datetime import datetime

def update_user_code(username, new_code, csv_path=r"C:\test\codes.csv"):
    # 获取当前日期
    entry_date = datetime.now().strftime("%m/%d/%Y")
    # 定义CSV列名
    fields = ["USER", "DATE", "CODE1", "CODE2", "CODE3", "CODE4", "CODE5"]
    
    try:
        # 读取CSV文件，若文件不存在则创建空DataFrame
        df = pd.read_csv(csv_path, dtype=str)
        # 确保列名正确，避免文件列缺失
        for col in fields:
            if col not in df.columns:
                df[col] = ""
    except FileNotFoundError:
        # 文件不存在时初始化空DataFrame
        df = pd.DataFrame(columns=fields)
    
    # 检查用户是否存在
    user_idx = df[df["USER"] == username].index
    if len(user_idx) > 0:
        # 获取用户所在行的CODE列（CODE1到CODE5）
        code_cols = [f"CODE{i}" for i in range(1,6)]
        user_row = df.loc[user_idx[0], code_cols]
        
        # 找到第一个空值/NaN的位置
        empty_pos = user_row[user_row.isna() | (user_row == "")].index
        if len(empty_pos) > 0:
            # 填充第一个空的CODE列
            df.loc[user_idx[0], empty_pos[0]] = new_code
            print(f"用户{username}的{empty_pos[0]}已更新为{new_code}，日期更新为{entry_date}")
        else:
            # 所有CODE列都有值，覆盖CODE1
            df.loc[user_idx[0], "CODE1"] = new_code
            print(f"用户{username}的CODE列已满，已覆盖CODE1为{new_code}，日期更新为{entry_date}")
        # 更新日期
        df.loc[user_idx[0], "DATE"] = entry_date
    else:
        # 用户不存在，新增一行
        new_row = {
            "USER": username,
            "DATE": entry_date,
            "CODE1": new_code,
            "CODE2": "",
            "CODE3": "",
            "CODE4": "",
            "CODE5": ""
        }
        df = pd.concat([df, pd.DataFrame([new_row])], ignore_index=True)
        print(f"已新增用户{username}，CODE1设为{new_code}，日期为{entry_date}")
    
    # 保存回CSV，避免索引列写入
    df.to_csv(csv_path, index=False)

# 示例调用
# update_user_code("silverspoon", "8")
# update_user_code("goldspoon", "17")
# update_user_code("bronzespoon", "99")

代码说明 #

1. 文件处理：自动处理文件不存在的情况，初始化符合格式的空DataFrame
2. 用户存在判断：直接通过USER列精确匹配，避免误判
3. 增量更新：只修改需要更新的CODE列，无需输入所有代码
4. 边界处理：自动检测空CODE列，满列时覆盖CODE1，同时更新日期
5. 数据安全：使用Pandas的原子化写入逻辑，避免文件读写过程中损坏原数据

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