CSV文件转换需求：跨行对比与轻量计算处理

嘿，这个CSV处理需求我熟！我来给你整一个实用的解决方案，用Python的pandas库就能轻松搞定，先把需求捋清楚，再上代码～

先把核心规则明确下来，避免歧义：

• 处理9列的输入CSV，生成新的输出CSV
• 核心填充规则：
  • 当某一行（相对于上一行来说的“下一行”）的第1、3、5列值为NULL时，复制上一行对应列的值过来
  • 如果上一行的第5列本身就是NULL，那当前行的第5列就填充为N/A，而不是空值
  • 支持其他自定义调整（后面会说怎么扩展）

pandas是处理CSV最顺手的工具之一，代码简洁易读，还能轻松扩展规则。

首先确保你已经安装了pandas：

pip install pandas

然后是处理脚本：

import pandas as pd

# 1. 读取原始CSV，把CSV里的"NULL"或空字符串识别为缺失值（NaN）
df = pd.read_csv('input.csv', na_values=['NULL', ''])

# 2. 遍历行处理缺失值
for i in range(1, len(df)):
    current_row = df.iloc[i]
    prev_row = df.iloc[i-1]
    
    # 处理第1列（注意：CSV里的第1列对应pandas的索引0）
    if pd.isna(current_row[0]):
        current_row[0] = prev_row[0]
    
    # 处理第3列（对应pandas索引2）
    if pd.isna(current_row[2]):
        current_row[2] = prev_row[2]
    
    # 处理第5列：如果上一行第5列是空，就填N/A
    if pd.isna(current_row[4]):
        current_row[4] = 'N/A' if pd.isna(prev_row[4]) else prev_row[4]
    
    # 把修改后的行存回DataFrame
    df.iloc[i] = current_row

# 3. 保存处理后的CSV，把剩余缺失值还原为"NULL"（如果需要的话）
df.to_csv('output.csv', index=False, na_rep='NULL')

如果还有其他需求，比如：

• 需要填充更多列，或者调整填充规则：直接在循环里添加对应列的处理逻辑就行
• 要新增行：可以用df.loc[len(df)] = [val1, val2, ..., val9]来插入新行
• 轻量计算（比如求和、平均值）：比如df['new_col'] = df[0] + df[2]就能新增一个计算列（这里的0和2对应原始CSV的第1、3列）

假设原始CSV的几行是这样：

col1,col2,col3,col4,col5,col6,col7,col8,col9
A,val2,B,val4,NULL,val6,val7,val8,val9
NULL,val2,NULL,val4,NULL,val6,val7,val8,val9
C,val2,D,val4,E,val6,val7,val8,val9

处理后输出的CSV会是：

col1,col2,col3,col4,col5,col6,col7,col8,col9
A,val2,B,val4,NULL,val6,val7,val8,val9
A,val2,B,val4,N/A,val6,val7,val8,val9
C,val2,D,val4,E,val6,val7,val8,val9

完美符合你的规则～

内容的提问来源于stack exchange，提问作者AfroJoe