使用pandas对两个CSV文件左合并 匹配Name列更新Price列的问题

问题根因 #

你当前使用左连接合并时仅保留了table2的Price字段，匹配不到的对应位置会生成NaN，没有保留table1中原本的Price数值，所以和预期结果不符。

解决方案 #

方案1：合并后填充空值 #

合并时区分两个表的Price字段，用table1的旧Price填充table2没匹配到的空值：

import pandas as pd
table1 = pd.read_csv('path/table1.csv', index_col=0)
table2 = pd.read_csv('path/table2.csv', index_col=0)

# 合并时给同名字段加后缀区分
new_table = table1.merge(table2[["Name ", "Price"]], on="Name ", how="left", suffixes=("_old", "_new"))
# 优先用table2的Price，空值用table1的Price填充
new_table["Price"] = new_table["Price_new"].fillna(new_table["Price_old"])
# 筛选出需要的字段
new_table = new_table[["Name ", "ATT1", "ATT2", "Price"]]
print(new_table)

方案2：索引更新（更简洁） #

把Name作为索引，直接用table2的Price字段覆盖更新table1的对应值，未匹配到的自动保留原值：

import pandas as pd
table1 = pd.read_csv('path/table1.csv', index_col=0)
table2 = pd.read_csv('path/table2.csv', index_col=0)

# 将Name设为索引后更新
table1 = table1.set_index('Name ')
table2 = table2.set_index('Name ')
table1.update(table2['Price'])
# 重置索引得到最终结果
new_table = table1.reset_index()
print(new_table)

两种方案运行后都可以得到你预期的输出结果。

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