时隔多年复用Python，求pandas匹配ASIN合并两个CSV数据的最佳实践

你不需要手动遍历DataFrame，直接用pandas内置的merge方法即可，这是经过优化的向量化关联操作，执行效率远高于手动循环遍历。

完整实现代码 #

import pandas as pd
import os
import numpy as np

os.chdir('/someDirectory')

# 读取两个CSV文件
dataFeedNames = pd.read_csv('productNamesAndSalesVelocity.csv', sep=',')
dataFeedInventory = pd.read_csv('inventoryPerformance.csv')

# 筛选需要的列，注意修正原代码中Inventory的拼写错误
selectedColumnsNames = dataFeedNames[['ASIN', 'Product Name', 'Inventory Quantity']]
selectedColumnsInv = dataFeedInventory[['ASIN', 'Stocks']]

# 按ASIN左连接匹配，保留第一个表的所有行，匹配第二个表的Stocks字段
merged_df = pd.merge(
    left=selectedColumnsNames,
    right=selectedColumnsInv,
    on='ASIN',
    how='left'
)

# 可选：未匹配到的Stocks填充为0
# merged_df['Stocks'] = merged_df['Stocks'].fillna(0)

# 转为numpy数组（如果需要的话）
result_array = merged_df.to_numpy()

实现说明 #

• 这里用左连接（how='left'）是为了完整保留第一个表的所有商品记录，没有匹配到库存的商品Stocks字段会自动赋值为NaN，可根据需求用fillna填充默认值
• merge方法自动处理匹配逻辑，底层是优化过的向量化运算，万级以上数据量的执行效率比手动遍历高几十到上百倍

注意事项 #

• 如果库存表中同一个ASIN有多条记录，提前对库存表去重，比如保留最新的一条：selectedColumnsInv = selectedColumnsInv.drop_duplicates(subset='ASIN', keep='last')
• 匹配前可统一两个表ASIN的字段类型，避免因类型不一致导致匹配失败：

  selectedColumnsNames['ASIN'] = selectedColumnsNames['ASIN'].astype(str).str.strip()
  selectedColumnsInv['ASIN'] = selectedColumnsInv['ASIN'].astype(str).str.strip()
  

内容的提问来源于stack exchange，提问作者Green Tea Kitty Cat