如何用Python对比两个CSV文件的列？含数据匹配需求

嘿，我来帮你搞定这个CSV列匹配的问题！先聊聊你现有代码里的几个小问题，再给你更高效的解决方案：

原代码的问题 #

• 不需要把pd.read_csv()返回的结果再用pd.DataFrame()转换，因为read_csv本身就会返回DataFrame对象，这步完全多余
• 嵌套两层for循环效率极低，3000行×465行要跑一百多万次循环，完全没必要用这种笨办法
• 判断条件if DATA2== DATA1是在比较整个DataFrame，不是对应行的列元素，逻辑上根本不对，永远触发不了正确的匹配

高效解决方案（两种方法任选） #

你的需求是：找到data1第1列（对应pandas的索引0列）和data2第1列（索引0列）匹配的行，然后输出data1的第3列（索引3列）。用pandas的向量化操作就能轻松搞定，比循环快N倍：

方法1：用isin()筛选（简单直接）

这个方法适合只需要提取目标列的场景：

import pandas as pd

# 读取两个CSV文件，header=None表示没有表头，列从0开始计数
data1 = pd.read_csv("C:/Users/amulya/Desktop/graves lab/main_now.csv", index_col=False, header=None)
data2 = pd.read_csv("C:/Users/amulya/Desktop/graves lab/words.csv", index_col=False, header=None)

# 先拿到data2第0列的所有值，作为匹配的参照
match_criteria = data2[0]

# 筛选data1中第0列存在于match_criteria里的行，然后提取第3列
matching_results = data1[data1[0].isin(match_criteria)][3]

# 输出结果，你可以直接打印整个Series，或者逐行打印
print("匹配到的data1第3列内容：")
print(matching_results)

# 如果需要逐行输出每个值
# for val in matching_results:
#     print(val)

方法2：用merge()合并（适合需要保留更多关联信息的场景）

如果之后你还需要查看匹配行的其他列数据，用合并的方式更灵活：

import pandas as pd

data1 = pd.read_csv("C:/Users/amulya/Desktop/graves lab/main_now.csv", index_col=False, header=None)
data2 = pd.read_csv("C:/Users/amulya/Desktop/graves lab/words.csv", index_col=False, header=None)

# 以第0列为共同键，做内连接（只保留两边都匹配的行）
merged_data = pd.merge(data1, data2, on=0, how="inner")

# 合并后，data1的第3列会被命名为`3_x`（因为data2里也可能有第3列，自动加后缀区分）
matching_results = merged_data["3_x"]

print("匹配到的data1第3列内容：")
print(matching_results)

关键提醒 #

因为你设置了header=None，所以pandas会把列索引从0开始计数——你说的“第1列”对应索引0，“第3列”对应索引3，这个要注意别搞混哦！

内容的提问来源于stack exchange，提问作者amulya b n