Python对比两个CSV的Sl_no列 提取csv2缺失值并输出新文件

实现思路 #

不需要关心sl_no列在两个CSV中的位置索引，直接按列名读取两个文件的目标列值，通过集合差集计算出csv1中存在、但csv2中缺失的sl_no值，最终将结果导出为新文件。

操作步骤 #

• 安装依赖库pandas，执行命令：
  pip install pandas
• 运行以下代码，注意把代码里的文件路径替换成你自己的文件实际路径：

import pandas as pd

# 读取两个CSV源文件
df_csv1 = pd.read_csv("csv1.csv")
df_csv2 = pd.read_csv("csv2.csv")

# 统一处理列名：去除前后空格、转为小写，避免列名大小写/前后空格不一致导致的读取错误
df_csv1.columns = df_csv1.columns.str.strip().str.lower()
df_csv2.columns = df_csv2.columns.str.strip().str.lower()

# 提取两个表的sl_no列值，剔除空值后转为集合计算差集，得到csv2缺失的sl_no
set_sl_no1 = set(df_csv1["sl_no"].dropna())
set_sl_no2 = set(df_csv2["sl_no"].dropna())
missing_values = set_sl_no1 - set_sl_no2

# 将缺失值导出为新CSV文件
pd.DataFrame({"missing_sl_no": list(missing_values)}).to_csv("missing_result.csv", index=False)

# 控制台打印结果校验
print(f"已完成比对，csv2中缺失的sl_no共{len(missing_values)}个，结果已写入missing_result.csv")
print("缺失值列表：", sorted(missing_values))

说明 #

• 代码自动按列名匹配目标字段，不管sl_no列在两个CSV中排第几列都可以正常识别，不需要手动指定列索引
• 针对提供的样例数据，运行后得到的缺失值为20，符合预期
• 如果文件中sl_no列存在空值需要纳入比对，删掉代码里的.dropna()即可
• 如果CSV文件不在脚本运行的同目录下，把read_csv里的文件名替换成文件的完整绝对路径即可

内容的提问来源于stack exchange，提问作者vidathri