如何使用 Python 中的 Pandas 根據特定列合併兩個 csv 檔案？

---

CSV（逗號分隔值）檔案廣泛用於以簡單格式儲存和交換資料。在許多資料處理任務中，需要根據特定列合併兩個或多個 CSV 檔案。幸運的是，可以使用 Python 中的 Pandas 庫輕鬆實現這一點。

在本文中，我們將學習如何使用 Python 中的 Pandas 根據特定列合併兩個 CSV 檔案。

什麼是 Pandas 庫？

Pandas 是一個用於 Python 中資料操作和分析的開源庫。它提供用於處理結構化資料的工具，例如表格資料、時間序列資料和多維資料，以及高效能資料結構。Pandas 廣泛應用於金融、資料科學、機器學習以及其他需要資料操作的領域。

在 Python 中根據特定列合併兩個 CSV 檔案的步驟

以下是使用 Pandas 庫在 Python 中根據其特定列合併兩個 CSV 檔案的完整步驟：

步驟 1：匯入 Pandas 庫

合併兩個 CSV 檔案的第一步是匯入 pandas 庫。Pandas 是一個功能強大的 Python 資料分析庫。它提供了資料結構，可以有效地儲存和處理大型資料集。要使用 Pandas，我們首先需要在 Python 程式中匯入它。我們可以使用以下命令：

import pandas as pd

步驟 2：讀取 CSV 檔案

我們的下一步是讀取我們要合併的兩個 CSV 檔案。我們可以使用 Pandas 的 read_csv() 函式將 CSV 檔案讀取到 Pandas DataFrame 中。我們需要將 CSV 檔案的檔案路徑或 URL 作為引數提供給 read_csv() 函式。例如：

df1 = pd.read_csv('file1.csv')
df2 = pd.read_csv('file2.csv')

步驟 3：合併 CSV 檔案

將 CSV 檔案讀取到 Pandas DataFrame 後，現在是時候使用 merge() 函式根據特定列合併它們了。merge() 函式將兩個 DataFrame 作為輸入，並根據公共列合併它們。以下是基本語法：

merged_df = pd.merge(df1, df2, on='column_name')

在此示例中，merged_df 是包含來自 df1 和 df2 的合併資料的新 DataFrame。on 引數指定兩個 DataFrame 合併所依據的公共列的名稱。

例如，假設我們有兩個 CSV 檔案 sales.csv 和 customers.csv。這兩個檔案都包含一個名為 CustomerID 的列。我們希望根據 CustomerID 列合併這兩個檔案。以下是操作方法：

sales = pd.read_csv('sales.csv')
customers = pd.read_csv('customers.csv')
merged_df = pd.merge(sales, customers, on='CustomerID')

步驟 4：處理缺失值（如果有）

根據特定列合併兩個 CSV 檔案時，合併後的 DataFrame 中可能存在缺失值。如果其中一個 CSV 檔案的對應列中沒有匹配值，則可能會出現這些缺失值。

要處理缺失值，我們可以使用 Pandas 的 fillna() 函式用預設值或計算值替換它們。例如，我們可以使用以下程式碼將缺失值替換為字串“Unknown”：

merged_df.fillna('Unknown', inplace=True)

在此示例中，我們使用了 fillna() 函式將合併後的 DataFrame 中的缺失值替換為字串“Unknown”。我們還將 inplace 引數指定為 True，這意味著將修改原始 DataFrame 而不是建立一個新的 DataFrame。

示例 1：使用 Merge() 函式

在此示例中，我們將使用 Pandas 的 merge() 函式根據特定列合併兩個 CSV 檔案。

CSV Files

假設我們有兩個 CSV 檔案：employees.csv 和 departments.csv。employees.csv 檔案包含以下資料：

員工 ID	姓名	部門 ID	工資
1	約翰	1	50000
2	莎拉	2	60000
3	大衛	1	55000
4	亞歷克斯	3	65000
5	艾米麗	2	55000

departments.csv 檔案包含以下資料：

部門 ID	部門名稱
1	IT
2	銷售
3	市場
4	人力資源

示例

import pandas as pd

# Load CSV files
employees = pd.read_csv('employees.csv')
departments = pd.read_csv('departments.csv')

# Merge dataframes based on DepartmentID column
merged_df = pd.merge(employees, departments, on='DepartmentID')

# Print merged dataframe
print(merged_df.head())

# Save merged dataframe to a new CSV file
merged_df.to_csv('merged_employees_departments.csv', index=False)

輸出

   EmployeeID   Name  DepartmentID  Salary DepartmentName
0           1   John             1   50000             IT
1           3  David             1   55000             IT
2           2  Sarah             2   60000          Sales
3           5  Emily             2   55000          Sales
4           4   Alex             3   65000      Marketing

示例 2：使用 Join() 函式

在此示例中，我們將使用 Pandas 的 join() 方法根據特定列合併兩個 CSV 檔案。

CSV Files

假設我們有兩個 CSV 檔案：orders.csv 和 customers.csv。orders.csv 檔案包含以下資料：

訂單 ID	客戶 ID	訂單日期	總金額
1	1	2022-05-01	100.0
2	3	2022-05-02	150.0
3	2	2022-05-03	200.0
4	1	2022-05-04	75.0
5	4	2022-05-05	120.0

customers.csv 檔案包含以下資料：

客戶 ID	客戶姓名	電子郵件
1	約翰	john@example.com
2	莎拉	sarah@example.com
3	大衛	david@example.com
4	艾米麗	emily@example.com

示例

import pandas as pd

# Load CSV files
orders = pd.read_csv('orders.csv')
customers = pd.read_csv('customers.csv')

# Join dataframes based on CustomerID column
joined_df = orders.set_index('CustomerID').join(customers.set_index('CustomerID'))

# Print joined dataframe
print(joined_df.head())

# Save joined dataframe to a new CSV file
joined_df.to_csv('joined_orders_customers.csv')

輸出

            OrderID   OrderDate  TotalAmount CustomerName              Email
CustomerID                                                                  
1                 1  2022-05-01        100.0         John   john@example.com
1                 4  2022-05-04         75.0         John   john@example.com
2                 3  2022-05-03        200.0        Sarah  sarah@example.com
3                 2  2022-05-02        150.0        David  david@example.com
4                 5  2022-05-05        120.0        Emily  emily@example.com

在本例中，我們使用 Pandas 的 merge() 函式根據“id”列合併了兩個 CSV 檔案。合併兩個 CSV 檔案的結果 DataFrame 包括“id”列以及“name_x”、“email_x”、“name_y”和“email_y”列。

請注意，合併後的 DataFrame 中的“name_y”和“email_y”部分存在缺失值，這與第二個 CSV 記錄中沒有匹配值的行相關。如前一步所示，可以使用 Pandas 的 fillna() 和 dropna() 函式來處理這些缺失值。

結論

根據特定列合併兩個 CSV 檔案是一項常見的資料處理任務，可以使用 Python 中的 Pandas 庫輕鬆實現。在本文中，我們學習瞭如何使用 Pandas 的 merge() 函式合併兩個 CSV 檔案。我們還討論瞭如何處理缺失值以及如何將合併後的 DataFrame 儲存到新的 CSV 檔案中。