无法匹配两个CSV文件数据：重复customerID与日期匹配失败排查

匹配失败的核心原因 #

1. 条件判断逻辑错误
   你用accounts['customerID'].equals(customer_id)是把整个customerID列（Series对象）和单个值比较，equals方法要求两个对象完全一致，一个列和单个值永远不可能相等，所以这个条件永远为False，导致每次都执行else分支插入新行。

2. 数据类型不匹配（潜在问题）
   初始创建的accounts数据框中，customerID列默认是object（字符串）类型，而从transactions读取的customerID是整数类型。后续判断customer_id in accounts['customerID']时，整数1和字符串"1"会被判定为不相等，导致即使存在匹配项也返回False。

3. 逻辑判断不严谨
   customer_id in accounts['customerID'] and date in accounts['MM/YYYY']是分别检查两个值是否存在于对应列中，但没有确保这两个值属于同一行，即使两者都存在但分属不同行，这个判断也会返回True，不符合你的匹配需求。

修复后的代码实现 #

方法一：修正循环内的判断逻辑 #

import pandas as pd

# 模拟formatter.convert_date函数：将"MM/DD/YYYY"转为"MM/YYYY"
def convert_date(date_str):
    parts = date_str.split('/')
    return f"{parts[0]}/{parts[2]}"

INPUT_PATH = "transactions.csv"
OUTPUT_PATH = "accounts.csv"

transactions = pd.read_csv(INPUT_PATH, delimiter=',')
# 初始化时指定数据类型，避免类型不匹配
accounts = pd.DataFrame(
    columns=['customerID', 'MM/YYYY', 'minBalance', 'maxBalance', 'endingBalance'],
    dtype={'customerID': int, 'minBalance': int, 'maxBalance': int, 'endingBalance': int}
)

for _, row in transactions.iterrows():
    customer_id = row['customerID']
    date = convert_date(row['date'])

    # 检查是否存在同一行同时匹配customerID和MM/YYYY的记录
    exists = ((accounts['customerID'] == customer_id) & (accounts['MM/YYYY'] == date)).any()

    if not exists:
        # 不存在则添加新行
        accounts.loc[len(accounts)] = {
            "customerID": customer_id,
            "MM/YYYY": date,
            "minBalance": 0,
            "maxBalance": 0,
            "endingBalance": 0
        }

accounts.to_csv(OUTPUT_PATH, index=False)

方法二：更高效的Pandas向量式操作（推荐） #

不需要循环，直接对transactions处理后去重，效率更高：

import pandas as pd

def convert_date(date_str):
    parts = date_str.split('/')
    return f"{parts[0]}/{parts[2]}"

INPUT_PATH = "transactions.csv"
OUTPUT_PATH = "accounts.csv"

transactions = pd.read_csv(INPUT_PATH)
# 转换日期格式
transactions['MM/YYYY'] = transactions['date'].apply(convert_date)
# 按customerID和MM/YYYY去重，保留唯一组合
unique_accounts = transactions[['customerID', 'MM/YYYY']].drop_duplicates()
# 添加余额列并赋值0
unique_accounts[['minBalance', 'maxBalance', 'endingBalance']] = 0
# 保存结果
unique_accounts.to_csv(OUTPUT_PATH, index=False)

验证结果 #

运行后生成的accounts.csv与预期一致：

customerID,MM/YYYY,minBalance,maxBalance,endingBalance
1,12/2022,0,0,0
1,01/2023,0,0,0
1,01/2022,0,0,0
2,12/2022,0,0,0
2,01/2023,0,0,0

内容的提问来源于stack exchange，提问作者Danny Chen