使用Pandas实现两个CSV按EAN匹配更新指定列的相关问题

问题原因分析 #

• 第一个报错的触发原因：dfi.EAN.values是pandas Series内置的数组属性，不属于可调用方法，你额外加了()才会抛出numpy.ndarray不可调用的错误。且即使去掉括号，直接对两个长度不同的数组做全等对比也不符合你的匹配逻辑，只能得到长度报错或者错位对比的错误结果。
• 你想到的合并方案方向是对的，不需要手动循环遍历行，pandas内置的匹配赋值效率更高。

实现代码 #

import pandas as pd

csv_input = 'beschreibung.csv'
csv_output = 'shop2.csv'

# 读取两个文件，注意如果实际分隔符只有分号，建议把sep改为";"避免解析异常
dfi = pd.read_csv(csv_input, sep=";\t", usecols=['EAN', 'Beschreibung'])
dfo = pd.read_csv(csv_output, sep=";\t", usecols=['ean', 'description_long'])

# 左连接匹配：保留输出表的所有行，只给匹配到EAN的行更新描述
df_merged = dfo.merge(dfi, how='left', left_on='ean', right_on='EAN')

# 用匹配到的Beschreibung覆盖description_long，没匹配到的保留原值
df_merged['description_long'] = df_merged['Beschreibung'].fillna(df_merged['description_long'])

# 只保留输出表需要的列，删掉多余的匹配列
df_final = df_merged[['ean', 'description_long']]

# 保存结果到新文件，避免覆盖原shop2.csv出错，验证没问题后可以修改路径覆盖原文件
df_final.to_csv('shop2_updated.csv', sep=';', index=False)

可选优化点 #

• 如果EAN/ean列有字符串/数值类型不一致的匹配失败问题，可以在匹配前统一类型：

  dfi['EAN'] = dfi['EAN'].astype(str)
  dfo['ean'] = dfo['ean'].astype(str)
  

• 如果确认不需要额外保留合并过程数据，可以直接用map方法更简洁：

  # 建立EAN到Beschreibung的映射字典
  ean_map = dfi.set_index('EAN')['Beschreibung'].to_dict()
  # 匹配赋值
  dfo['description_long'] = dfo['ean'].map(ean_map).fillna(dfo['description_long'])
  

内容的提问来源于stack exchange，提问作者Finja