pandas批量合并CSV文件触发None of [Index]列不存在报错

单文件运行正常的pandas CSV合并逻辑，批量运行时在pd.merge()步骤抛出错误：

None of [Index(['status'], dtype='object')] are in the [columns]

单文件测试时代码如下，功能正常：

df1 = pd.read_csv(r'path')
df2 = pd.read_csv(r'path')

df2 = df2.fillna(0)

df3 = pd.merge(df1,df2[['status','stati']].astype(object),on='status', how='left').drop(columns = ['status'])
df3.rename({'stati':'status'}, axis=1, inplace=True)
df3.to_csv

测试用数据结构：

批量处理代码如下，运行触发上述报错：

dir = r'path'
df2 = pd.read_csv(r'path')
csv_files = [f for f in Path(dir).glob('*.csv')]


for csv in csv_files:
    df = pd.read_csv(csv) 

    df2 = df2.fillna(0)

    df3 = pd.merge(df,df2[['status','stati']].astype(object),on='status', how='left').drop(columns = ['status'])
    df3.rename({'stati':'status'}, axis=1, inplace=True)
df3.to_csv

批量代码存在4个明确问题，直接或间接触发报错：

• 遍历范围无过滤：glob('*.csv')会扫描目标目录下所有CSV文件，包括映射表源文件、历史导出的结果文件、同目录下其他不相关CSV，这类文件大多没有status列，单文件测试时手动选择了符合结构的文件，因此不会触发问题。
• 映射表预处理位置错误：df2.fillna(0)写在循环内部，一旦后续调试时误加inplace=True，或在循环内误修改df2的列结构，会直接破坏映射表，导致后续循环取df2[['status','stati']]时触发列不存在错误。
• 列名隐藏格式问题：批量文件可能存在列名前后带空白字符（如 status、status ）、文件头前置空行导致pandas误将数据行识别为表头、编码异常导致列名乱码等情况，这类问题在单个规范文件测试时不会出现。
• 写入逻辑完全失效：df3.to_csv写在循环外部且未传入保存路径，一方面循环内的处理结果会被逐次覆盖，最终仅保留最后一个文件的处理结果；另一方面无路径的to_csv不会执行任何写入操作，处理结果无法落地。

import pandas as pd
from pathlib import Path

# 路径配置
target_dir = r'待处理CSV文件所在目录'
mapping_path = r'映射表CSV的完整路径'

# 循环外一次性完成映射表读入和预处理
df_mapping = pd.read_csv(mapping_path)
df_mapping = df_mapping[['status', 'stati']].astype(object).fillna(0)

# 遍历文件时过滤掉映射表本身，避免将映射表作为待处理文件读入
csv_list = [
    f for f in Path(target_dir).glob('*.csv')
    if f.resolve() != Path(mapping_path).resolve()
]

for csv_file in csv_list:
    # 读文件时跳过空行，兼容头部有空行的异常文件
    df = pd.read_csv(csv_file, skip_blank_lines=True)
    # 统一清理列名前后空白，解决隐藏空格导致的列匹配失败
    df.columns = df.columns.str.strip()

    # 前置校验，无status列的文件直接跳过并打印提示
    if 'status' not in df.columns:
        print(f"跳过文件{csv_file.name}：未找到status列")
        continue

    # 执行合并逻辑
    df_res = pd.merge(
        df,
        df_mapping,
        on='status',
        how='left'
    ).drop(columns=['status'])
    df_res.rename({'stati': 'status'}, axis=1, inplace=True)

    # 循环内保存结果，新增_merged后缀避免覆盖原文件
    save_path = csv_file.with_name(f"{csv_file.stem}_merged{csv_file.suffix}")
    df_res.to_csv(save_path, index=False, encoding='utf-8-sig')

如果修改后仍有报错，在pd.merge代码行前添加print(f"当前处理文件：{csv_file.name}，列名列表：{df.columns.tolist()}")，即可快速定位异常文件，直接看到实际读取到的列名，排查是否存在列名拼写、空格、编码识别问题。

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