使用pandas匹配两个CSV文件中网站字段的匹配与不匹配记录

实现方案 #

使用pandas的左连接即可满足匹配需求，完整代码如下：

import pandas as pd

# 读取两个CSV文件
df1 = pd.read_csv("file1.csv")
df2 = pd.read_csv("file2.csv")

# 以网站字段为关联键做左连接，保留file1的全部记录
res = pd.merge(
    df1,
    df2,
    left_on="web_1",
    right_on="web_2",
    how="left"
)

# 筛选需要的列，空值替换为空字符串
res = res[["id", "web_1", "web_2"]].fillna("")

# 打印结果，也可直接导出为CSV
print(res)
# res.to_csv("output.csv", index=False)

补充说明 #

如果存在网站字段大小写不一致、首尾带空格导致匹配失败的情况，可以在merge前先对字段做清洗：

df1["web_1"] = df1["web_1"].str.strip().str.lower()
df2["web_2"] = df2["web_2"].str.strip().str.lower()

内容的提问来源于stack exchange，提问作者Byte