如何比对两个行列数不同的CSV文件，通过公共字段关联补充对应数据

实现方案 #

numpy的where方法适用于单数据集的条件赋值，跨数据集关联匹配时容易出现索引错位，推荐使用专门处理结构化表格数据的Pandas库实现该需求，代码如下：

• 第一步：读取两个CSV文件

import pandas as pd

# 替换为你本地的文件路径
df1 = pd.read_csv("file1.csv")
df2 = pd.read_csv("file2.csv")

• 第二步：执行左关联合并
  以文件1的全部数据为基准，按公共字段PRODUCT SERIAL匹配文件2的对应字段，未匹配到的字段值默认填充为NaN，手动替换为N/A即可：

# 左连接合并
merged_df = pd.merge(
    left=df1,
    right=df2[["PRODUCT SERIAL", "Shipment Day", "Price"]],
    on="PRODUCT SERIAL",
    how="left"
)

# 替换空值为N/A
merged_df = merged_df.fillna("N/A")

• 第三步：导出合并结果

# 导出为新CSV，index=False表示不导出pandas自动生成的行索引
merged_df.to_csv("merged_result.csv", index=False)

注意事项 #

• 若匹配结果全为N/A，可先检查两个文件的PRODUCT SERIAL字段格式是否一致，比如是否存在一个是数字格式一个是字符串格式、字段值前后有多余空格的情况，合并前可先统一格式：

df1["PRODUCT SERIAL"] = df1["PRODUCT SERIAL"].astype(str).str.strip()
df2["PRODUCT SERIAL"] = df2["PRODUCT SERIAL"].astype(str).str.strip()

• 若有重名字段需求，可在pd.merge方法中添加suffixes参数自定义两个表重名字段的后缀，避免字段被覆盖。

内容的提问来源于stack exchange，提问作者re-learn