如何使用Python提取CSV文件中含指定值的对应行数据

实现方案 #

单个CSV提取代码

使用pandas直接匹配目标值，不需要依赖固定索引：

import pandas as pd

# 读取CSV时不设置表头，避免第一行被默认识别为列名
df = pd.read_csv("目标文件路径.csv", header=None)
# 匹配第一列值为Name/name的行，逻辑和要求完全一致
target_rows = df[df[0].isin(["Name", "name"])]

# 输出查看结果
print(target_rows)
# 也可以直接导出为新文件
target_rows.to_csv("提取结果.csv", index=False, header=False)

批量处理多个CSV代码

如果需要批量读取文件夹下所有CSV并合并提取结果，可以用下面的代码：

import pandas as pd
import os

# 替换为你存放CSV文件的文件夹路径
csv_dir = "./csv_files"
result_list = []

for file in os.listdir(csv_dir):
    if file.lower().endswith(".csv"):
        file_path = os.path.join(csv_dir, file)
        df = pd.read_csv(file_path, header=None)
        matched = df[df[0].isin(["Name", "name"])]
        # 可选：新增一列标注数据来自哪个文件，方便溯源
        matched.insert(0, "来源文件名", file)
        result_list.append(matched)

# 合并所有匹配到的结果
final_result = pd.concat(result_list, ignore_index=True)
# 导出最终结果
final_result.to_csv("批量提取结果.csv", index=False, header=False)

场景适配调整

• 如果Name/name不是出现在CSV的第一列，把代码里的df[0]替换为对应的列序号即可，比如第二列改成df[1]
• 如果需要忽略所有大小写差异，也可以把匹配逻辑替换为df[df[0].str.lower() == "name"]，可以同时匹配NAME、nAmE等各种大小写组合
• 如果需要匹配整行任意位置出现Name/name的行，匹配逻辑改为df[df.apply(lambda x: x.isin(["Name", "name"]).any(), axis=1)]

内容的提问来源于stack exchange，提问作者mukesh yadav