如何用Python的pandas库基于公共索引匹配两个CSV文件并筛选数据

以下操作基于Python的pandas库完成：

• 第一步：读取两个CSV文件为DataFrame，读取时pandas会自动生成默认整数行索引，无需额外设置

import pandas as pd
df_clean = pd.read_csv("CSV_Cleaned.csv")
df_unclean = pd.read_csv("CSV_Uncleaned.csv")

• 第二步：执行索引匹配筛选

# 常规情况：两个DataFrame均未手动修改过默认索引，直接按clean的索引取值即可
df_matched = df_unclean.loc[df_clean.index]

特殊场景处理：如果两个DataFrame曾被手动修改过索引，导致默认索引不是从0开始的连续整数，可以先重置索引再筛选，避免匹配错误：

# 重置两个DataFrame的索引为默认的0开头连续整数，drop=True避免生成额外的index列
df_clean = df_clean.reset_index(drop=True)
df_unclean = df_unclean.reset_index(drop=True)
# 再执行筛选
df_matched = df_unclean.loc[df_clean.index]

• 第三步：可选，导出筛选后的结果为新CSV

# index=False设置不导出pandas默认索引为单独列，符合你的使用需求
df_matched.to_csv("matched_unclean_rows.csv", index=False)

内容的提问来源于stack exchange，提问作者Abhinav Pipil