import pandas as pd


# 指定CSV文件的路径
csv_file_path = "<文件路径>"


# 指定需要提取的字段列名
selected_columns = ['unified_code', 'reg_addr']


# 使用pd.read_csv()读取指定列的数据
data = pd.read_csv(csv_file_path, usecols=selected_columns)


# 显示读取的数据
print(data.head())


# 保存读取的数据到新的CSV文件中
csv_output_file_path = "<输出文件路径>"
data.to_csv(csv_output_file_path, index=False)


print("数据已保存为CSV文件：", csv_output_file_path)

import pandas as pd



# 指定两个CSV文件的路径

csv_file1_path = "<文件1路径>"

csv_file2_path = "<文件2路径>"



# 读取两个CSV文件

data1 = pd.read_csv(csv_file1_path)

data2 = pd.read_csv(csv_file2_path)



# 基于'unified_code'字段合并数据

merged_data = data1.merge(data2, on='unified_code', how='inner')



# 显示合并后的数据

print(merged_data.head())



# 保存合并后的数据到新的CSV文件中

merged_csv_file_path = "合并后的数据.csv"

merged_data.to_csv(merged_csv_file_path, index=False)



print("匹配成功的数据已保存为CSV文件：", merged_csv_file_path)

import pandas as pd



# 指定CSV文件的路径

csv_file_path = "合并后的数据.csv"



# 读取CSV文件

data = pd.read_csv(csv_file_path)



# 为每一行生成唯一的ID

data['ID'] = range(1, len(data) + 1)



# 选择性保留字段

selected_columns = ['ID', 'unified_code', 'reg_addr']

data = data[selected_columns]



# 保存清理后的数据到新的CSV文件中

output_csv_file_path = "clean.csv"

data.to_csv(output_csv_file_path, index=False)



print("数据已保存为CSV文件：", output_csv_file_path)