Python 合并两个csv文件（如果匹配列），然后连接额外的列

我正在寻找熊猫方面的帮助。我试图比较“email”列是否匹配，然后将额外的列连接到单独的csv中

我有以下资料：

file1.csv

email, user_id
example1@gmail.com, 1
example2@gmail.com, 24
example3@gmail.com, 12
example5@gmail.com, 31

文件2.csv

email, group_id
example1@gmail.com, g1
example2@gmail.com, g1
example3@gmail.com, g2
example4@gmail.com, g3

output.csv：

email, user_id, group_id
example1@gmail.com, 1, g1
example2@gmail.com, 24, g1
example3@gmail.com, 12, g2

---

我感谢您提供的任何帮助。谢谢。

是的，这就像进行合并一样简单：

output = pd.merge(left=file1, right=file2, on='email', how='inner')

---

将“how”设置为“internal”可确保仅保留两个文件中的匹配项

是的，这与进行合并一样简单：

output = pd.merge(left=file1, right=file2, on='email', how='inner')

---

将“how”设置为“internal”可确保仅保留两个文件中的匹配项

据我所知，您试图实现以下目标：

import pandas as pd

csv1 = pd.DataFrame({"email":["example1@gmail.com", "example2@gmail.com", "example3@gmail.com", "example5@gmail.com"],"user_id":[1,24,12,31]})
csv2 = pd.DataFrame({"email":["example1@gmail.com", "example2@gmail.com", "example3@gmail.com", "example4@gmail.com"],"group_id":["g1","g1","g2","g3"]})
csv3 = pd.DataFrame({"email":["example1@gmail.com", "example2@gmail.com", "example3@gmail.com"],"user_id":[1,24,12],"group_id":["g1","g1","g2"]})

list_with_dataframes = [csv2,csv3]

result = csv1
for dataframe in list_with_dataframes:
    result = result.merge(dataframe, how = "outer")

print(result)

这就产生了一个输出：

                email  user_id group_id
0  example1@gmail.com      1.0       g1
1  example2@gmail.com     24.0       g1
2  example3@gmail.com     12.0       g2
3  example5@gmail.com     31.0      NaN
4  example4@gmail.com      NaN       g3

                email  user_id group_id
0  example1@gmail.com        1       g1
1  example2@gmail.com       24       g1
2  example3@gmail.com       12       g2

我希望这就是你要找的。所有匹配的数据都将保留，所有缺失的数据都将使用NaN进行更改。如果只希望保留完全匹配的数据，只需将此行中的“外部”替换为“内部”：

result = result.merge(dataframe, how = "inner")

它给出了一个输出：

                email  user_id group_id
0  example1@gmail.com      1.0       g1
1  example2@gmail.com     24.0       g1
2  example3@gmail.com     12.0       g2
3  example5@gmail.com     31.0      NaN
4  example4@gmail.com      NaN       g3

                email  user_id group_id
0  example1@gmail.com        1       g1
1  example2@gmail.com       24       g1
2  example3@gmail.com       12       g2

---

据我所知，你当时正试图实现这样的目标：

import pandas as pd

csv1 = pd.DataFrame({"email":["example1@gmail.com", "example2@gmail.com", "example3@gmail.com", "example5@gmail.com"],"user_id":[1,24,12,31]})
csv2 = pd.DataFrame({"email":["example1@gmail.com", "example2@gmail.com", "example3@gmail.com", "example4@gmail.com"],"group_id":["g1","g1","g2","g3"]})
csv3 = pd.DataFrame({"email":["example1@gmail.com", "example2@gmail.com", "example3@gmail.com"],"user_id":[1,24,12],"group_id":["g1","g1","g2"]})

list_with_dataframes = [csv2,csv3]

result = csv1
for dataframe in list_with_dataframes:
    result = result.merge(dataframe, how = "outer")

print(result)

这就产生了一个输出：

                email  user_id group_id
0  example1@gmail.com      1.0       g1
1  example2@gmail.com     24.0       g1
2  example3@gmail.com     12.0       g2
3  example5@gmail.com     31.0      NaN
4  example4@gmail.com      NaN       g3

                email  user_id group_id
0  example1@gmail.com        1       g1
1  example2@gmail.com       24       g1
2  example3@gmail.com       12       g2

我希望这就是你要找的。所有匹配的数据都将保留，所有缺失的数据都将使用NaN进行更改。如果只希望保留完全匹配的数据，只需将此行中的“外部”替换为“内部”：

result = result.merge(dataframe, how = "inner")

它给出了一个输出：

                email  user_id group_id
0  example1@gmail.com      1.0       g1
1  example2@gmail.com     24.0       g1
2  example3@gmail.com     12.0       g2
3  example5@gmail.com     31.0      NaN
4  example4@gmail.com      NaN       g3

                email  user_id group_id
0  example1@gmail.com        1       g1
1  example2@gmail.com       24       g1
2  example3@gmail.com       12       g2

尝试合并

import pandas as pd 
f1 = pd.read_csv('f1.csv')
f2 = pd.read_csv('f2.csv')
out = pd.merge(f1,f2,on='email',how='inner')
print(out)
out.to_csv("final.csv", index=False)

输出是

email   user_id  group_id
0  example1@gmail.com         1        g1
1  example2@gmail.com        24        g1
2  example3@gmail.com        12        g2

尝试合并

import pandas as pd 
f1 = pd.read_csv('f1.csv')
f2 = pd.read_csv('f2.csv')
out = pd.merge(f1,f2,on='email',how='inner')
print(out)
out.to_csv("final.csv", index=False)

输出是

email   user_id  group_id
0  example1@gmail.com         1        g1
1  example2@gmail.com        24        g1
2  example3@gmail.com        12        g2

---

这是怎么写的，它将file1.csv和file2.csv的文件位置作为一个数据框？@JeremyLin如果你想在某个文件夹中自动搜索csv文件，你可以这样做：path_to_files=[“path/to/csv2”，“path/to/csv3”]等，然后列出_with_dataframes=[pd.read_csv（file）for path_to_files]，这也是可能的。如果你需要的话，我可以更新答案来说明这一点。这怎么能写成它将file1.csv和file2.csv的文件位置作为一个数据帧呢？@JeremyLin你可以这样做：path\u to_files=[“path/to/csv2”，“path/to/csv3”]等等，然后列出带有数据帧的\u=[pd.read\u csv（文件）作为path\u to_文件中的文件]如果您想在某个文件夹中自动搜索csv文件，也可以这样做。如果你需要的话，我可以更新答案。