如何在基于单列合并两个CSV文件的Python脚本中保留未匹配行？

我来帮你搞定这个需求！用Python的pandas库就能轻松实现全外连接——也就是保留两个文件里所有的行，不管userId是否匹配，完全符合你的要求。

第一步：先准备好环境 #

如果你还没装pandas，先打开终端/命令行执行这个命令安装：

pip install pandas

第二步：编写合并脚本 #

直接用下面的代码，记得把文件路径换成你自己的实际路径就行：

import pandas as pd

# 读取两个CSV文件
# 替换成你的第一个CSV文件路径（用户分组数据）
df_user_groups = pd.read_csv('user_groups.csv')
# 替换成你的第二个CSV文件路径（用户活动数据）
df_user_activity = pd.read_csv('user_activity.csv')

# 核心操作：基于userId做全外连接，保留所有行
merged_data = pd.merge(
    df_user_groups,
    df_user_activity,
    on='userId',  # 指定连接的共同列
    how='outer'   # outer表示保留所有匹配/未匹配的行
)

# 将合并结果保存为新的CSV，index=False是避免写入多余的索引列
merged_data.to_csv('merged_result.csv', index=False)

代码说明 #

• how='outer'是最关键的参数：它会把两个文件里的所有行都保留下来。如果某个userId只在其中一个文件里出现，另一个文件对应的列会自动填充为NaN（空值），不会丢失任何数据。
• 替换文件路径的时候，要是你的文件不在当前脚本的目录下，记得写绝对路径，比如'D:/project_data/user_groups.csv'或者'/Users/xxx/data/user_activity.csv'。

合并后的效果示例 #

对应你给出的测试数据，合并后的结果会是这样的（部分行展示）：

你看，userId为bbbbbbbbbbb的行只在第二个文件里有，合并后就保留了下来，前面的列用NaN填充；而第一个文件里重复的userId也会和第二个文件的匹配行一一对应展开。

内容的提问来源于stack exchange，提问作者Datacrawler