Python读取清理与合并样本表

更新：2026-10-14；状态：可用；验证范围：官方语言文档核对；基础样本表案例已运行，R通过WebR验证；安装与第三方包按页说明。

先保存样本ID和缺失含义，再按键合并，不能靠两张表行号相同推断对应。

从标准库开始

同一份样本表贯通R与Python的Python程序使用csv.DictReader，读每行字段，检查必需列、空/重复ID和两表ID集合。测量中的NA保留缺失，不填0；按样本ID匹配元数据，并保留原测量顺序。

pandas对应写法

以下为官方接口模板，本轮完整教学脚本不依赖pandas，未把本段当独立实测：

import pandas as pd
measurements = pd.read_csv("examples/data/programming_measurements.csv",
                           dtype={"sample_id": "string"})
metadata = pd.read_csv("examples/data/programming_metadata.csv",
                       dtype={"sample_id": "string"})
assert measurements["sample_id"].notna().all()
assert metadata["sample_id"].notna().all()
assert measurements["sample_id"].is_unique
assert metadata["sample_id"].is_unique
assert set(measurements["sample_id"]) == set(metadata["sample_id"])
joined = measurements.merge(metadata, on="sample_id", how="left",
                            validate="one_to_one", indicator=True)
assert (joined["_merge"] == "both").all()
print(joined.groupby("condition")["value"].agg(["count", "mean"]))

.loc按标签选择，.iloc按整数位置选择；列名拼写、类型和重复键会改变行为。写CSV通常设index=False，避免多出行号列。数值型ID可能丢前导零，故先定义字符串类型。

清理原则

保留原始表；记录缺失、转换失败与排除理由。不能只在一张表按条件删行后按位置拼回另一张表；不同单位也不能直接平均。

来源：pandas入门、merge。