如何使用Python匹配Stock.csv数据为Sold.csv填充对应Item_No的价格字段

推荐使用pandas库完成匹配，3万条数据处理仅需毫秒级耗时，操作逻辑简单不易出错。

前置依赖 #

如果环境未安装pandas，先执行安装命令：
pip install pandas

完整代码 #

import pandas as pd

# 1. 读取全量商品库存表
stock_df = pd.read_csv("Stock.csv", dtype={"Item_No": str})  # 若Item_No是纯数字可去掉dtype参数，加该参数是避免前后缀0、编码问题导致匹配失败
# 2. 读取待填充的已售商品表
sold_df = pd.read_csv("Sold.csv", dtype={"Item_No": str})

# 3. 按Item_No字段左关联，匹配对应价格，直接覆盖原有空的Price列
sold_df = sold_df.drop(columns=["Price"]).merge(
    stock_df[["Item_No", "Price"]],
    on="Item_No",
    how="left"
)

# 4. 导出填充完成的新文件，不会覆盖原文件
sold_df.to_csv("Sold_填充完成.csv", index=False, encoding="utf-8-sig")

代码说明 #

• 关联逻辑使用左连接（how="left"），完全保留Sold.csv原有行顺序和所有Item_No记录，不会多删少加
• 若存在Sold.csv里的Item_No在Stock.csv找不到的情况，对应Price会自动填充为空值，方便后续单独排查异常数据
• 导出时用utf-8-sig编码，避免用Excel打开时出现乱码问题

备用纯Python方案（无需安装第三方库） #

如果环境不允许安装pandas，可以用Python原生csv库实现：

import csv

# 先把库存表读成映射字典
price_map = {}
with open("Stock.csv", "r", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    for row in reader:
        price_map[row["Item_No"].strip()] = row["Price"].strip()

# 读取已售表，逐行填充价格
output_rows = []
with open("Sold.csv", "r", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    for row in reader:
        row["Price"] = price_map.get(row["Item_No"].strip(), "")
        output_rows.append(row)

# 导出填充完成的结果
with open("Sold_填充完成.csv", "w", encoding="utf-8-sig", newline="") as f:
    writer = csv.DictWriter(f, fieldnames=output_rows[0].keys())
    writer.writeheader()
    writer.writerows(output_rows)

内容的提问来源于stack exchange，提问作者ray