如何使用Python中的Pandas以特定列合併兩個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，需要基於特定列合併兩個或多個CSV檔案。幸運的是，這可以使用 Python 中的 Pandas 函式庫輕鬆實現。

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

什麼是 Pandas 庫？

Pandas 是一個用於 Python 資訊控制和檢查的開源程式庫。它提供了用於處理結構化資料（例如表格、時間序列和多維資料）以及高效能資料結構的工具。 Pandas 廣泛應用於金融、資料科學、機器學習和其他需要資料操作的領域。

在 Python 中按特定列合併兩個 CSV 檔案的步驟

以下是使用 Pandas 函式庫在 Python 中按特定列合併兩個 CSV 檔案的完整步驟 -

第 1 步：導入 Pandas 庫

合併兩個 CSV 檔案的第一步是匯入 pandas 庫。 Pandas 是一個強大的 Python 資料分析函式庫。它提供了用於有效儲存和操作大型資料集的資料結構。要使用 Pandas，我們首先需要將其匯入到 Python 程式中。我們可以使用以下命令來做到這一點 -

import pandas as pd

第 2 步：讀取 CSV 檔案

我們的下一步是讀取我們想要合併的兩個 CSV 檔案。我們可以使用 Pandas 的 read_csv() 函數將 CSV 檔案讀取到 Pandas DataFrame 中。我們需要提供 CSV 檔案的檔案路徑或 URL 作為 read_csv() 函數的參數。例如 -

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

第 3 步：合併 CSV 檔案

將 CSV 檔案讀入 Pandas DataFrames 後，現在是時候使用 merge() 函數根據特定列合併它們了。 merge() 函數將兩個 DataFrame 作為輸入，並基於公共列將它們合併。這是基本語法 -

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

在此範例中，merged_df 是新的 DataFrame，其中包含 df1 和 df2 的合併資料。 on 參數指定合併兩個 DataFrame 的公用列的名稱。

例如，假設我們有兩個 CSV 檔案 sales.csv 和customers.csv。這兩個檔案都包含名為 CustomerID 的欄位。我們希望根據 CustomerID 欄位合併兩個檔案。我們可以這樣做 -

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

第 4 步：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 中可能會缺少值。如果其中一個 CSV 檔案的對應欄位中沒有符合的值，則可能會出現這些缺失值。

為了處理缺失值，我們可以使用 Pandas 的 fillna() 函數將其替換為預設值或計算值。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)

在這個範例中，我們使用 fillna() 函數將合併的 DataFrame 中的缺失值替換為字串「Unknown」。我們也指定了 inplace 參數為 True，這表示將修改原始 DataFrame，而不是建立新的 DataFrame。

範例 1：使用 Merge() 函數

在此範例中，我們將使用 Pandas 的 merge() 函數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	薪資
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	行銷
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)

输出

   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() 函数

在本例中，我们将使用 Pandas 的 join() 方法根据特定列合并两个 CSV 文件。

CSV Files

假设我们有两个 CSV 文件：orders.csv 和customers.csv。 order.csv 文件包含以下数据 -

订单ID	客户ID	订单日期	总金额
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 文件包含以下数据 -

客户ID	客户名称	电子邮件
1	约翰	john@example.com
2	莎拉	sarah@example.com
3	大卫	david@example.com
4	艾米丽	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')

输出

            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

使用 Pandas 的 merge() 函数，我们根据本例中的“id”列合并了两个 CSV 文件。作为合并两个 CSV 文件的结果的 DataFrame 除了“name_x”、“email_x”、“name_y”和“email_y”列之外还包括“id”列。

请注意，“name_y”和“email_y”段的组合 DataFrame 中缺少值，这些值与第二个 CSV 记录中没有匹配质量的行相关。如上一步所示，Pandas fillna() 和 dropna() 函数可用于处理这些缺失值。

结论

基于特定列合并两个 CSV 文件是一项常见的数据处理任务，可以使用 Python 中的 Pandas 库轻松实现。在本文中，我们学习了如何使用 Pandas 的 merge() 函数合并两个 CSV 文件。我们还讨论了如何处理缺失值以及如何将合并的 DataFrame 保存到新的 CSV 文件。

以上是如何使用Python中的Pandas以特定列合併兩個CSV檔案？的詳細內容。更多資訊請關注PHP中文網其他相關文章！