使用Pandas查找CSV中匹配指定字符串的所有行并导出为新CSV的问题求解

核心问题原因 #

• 导出CSV时未指定分隔符，pandas默认使用逗号作为分隔符，导致输出文件出现逗号分隔的行
• 数据类型不匹配：pandas自动推断列类型时，可能出现待匹配列表和待筛选CSV第一列的类型不一致（比如一个是整型一个是字符串），或是列内容存在不可见空白符，导致isin匹配仅命中部分行

修改后代码 #

import pandas as pd

# 读取待匹配列表，统一转为字符串并去除首尾空白
list_to_find = pd.read_csv(input_file, header=None, dtype=str)[0].str.strip()
# 读取竖线分隔的CSV文件，指定第一列类型为字符串
data_to_read = pd.read_csv(csv_file, sep='|', header=None, dtype={0: str})
# 匹配筛选
output_data_csv = data_to_read[data_to_read[0].str.strip().isin(list_to_find)]
# 导出时指定分隔符为竖线
output_data_csv.to_csv('output.csv', index=False, header=None, sep='|')

关键修改点 #

1. 读取文件时显式指定相关列为字符串类型，避免类型差异导致匹配失败
2. 对所有需要匹配的字符串调用str.strip()去除首尾空白符，排除隐藏字符干扰
3. 导出CSV时显式指定sep='|'，保证输出为竖线分隔格式

内容的提问来源于stack exchange，提问作者gesgallar