使用pandas按id关联两个CSV数据框新增文本列，处理未匹配空值

问题根源 #

你写的合并代码默认使用pd.merge的**内连接（inner join）**规则：只会保留两个文件中id能双向匹配的行，单边存在的id会被直接剔除，因此无法实现「未匹配项保留空值」的要求。

对应实现方案 #

场景1：以train.csv为基准，保留train全部行 #

也就是所有train里的记录都要保留，text匹配不到对应id时，text字段自动填充null，只要修改merge的连接参数即可：

import pandas as pd

train = pd.read_csv("train.csv")
text = pd.read_csv("text.csv")

# 左连接：以左表（train）的所有行为基准匹配右表（text）
combined = pd.merge(train, text, on=['id'], how='left')

# 可选：调整列顺序为你预期的id、sentiment、text顺序
combined = combined[['id', 'sentiment', 'text']]

# 可选：导出结果为csv文件
combined.to_csv("combined_result.csv", index=False)

场景2：保留两个文件的所有id记录 #

如果需要不管是train独有还是text独有的id都要保留，匹配不到的对应字段自动填null，把连接方式改成全外连接即可：

combined = pd.merge(train, text, on=['id'], how='outer')

常见踩坑提示 #

• 如果读取text.csv时因为文本内容含逗号、换行符出现解析错位，可以在pd.read_csv时加上engine='python'参数，提升复杂文本的解析兼容性。
• 合并后如果出现重复的id行，说明你的源csv里存在重复id，可以在merge前先通过train = train.drop_duplicates(subset=['id'])、text = text.drop_duplicates(subset=['id'])去重，避免合并结果行数异常。

内容的提问来源于stack exchange，提问作者kerma