dataframe根据另一个csv查找数据，且两个数据个数不同：
（1）目标文件：

（2）查找条件：根据这个csv文件查找，如FID=6029

情况一：一个csv文件作为数据集，另外一个csv文件作为查找条件,假设有一个csv文件A，包含学生的姓名、id、年龄、性别等信息；另外一个csv文件B，只包含一些需要查找的id号码。我们需要从A中查找这些id对应的学生姓名，并将结果写入一个新的csv文件。

1. 首先导入必要的库和数据：

```python
import pandas as pdstudents = pd.read_csv("students.csv")
lookup = pd.read_csv("lookup.csv")print(students.head())
print(lookup.head())

2. 接下来，我们可以使用merge()函数将两个数据集合并，注意这里使用了’inner’模式，即只合并两个数据集中都有的id。

# 根据id合并数据集
result = pd.merge(students, lookup, on='id', how='inner')print(result.head())

3. 我们只需要保留需要的列，即学生的姓名和id信息，并将结果写入一个新的csv文件result.csv。

# 保留需要的列，并将结果写入新的csv文件
result = result[['id', 'name']]
result.to_csv('result.csv', index=False)

情况二：两个csv文件的条目数不同，需要按照相同的字段进行匹配
假设有两个csv文件A和B，其中A包含学生的姓名、id、年龄、性别等信息；B包含每位学生的成绩信息，包括id和对应的成绩。但是这两个文件的条目数不同，我们需要根据id进行匹配，将两个文件中数据匹配成功的行合并在一起。

1. 首先导入必要的库和数据：

import pandas as pdstudents = pd.read_csv("students.csv")
scores = pd.read_csv("scores.csv")print(students.head())
print(scores.head())

2. 接下来，我们要根据id将两个数据集进行匹配，同时指定how='outer’表示保留剩余未匹配成功的数据。

# 根据id合并数据集
result = pd.merge(students, scores, on='id', how='outer')print(result.head())

3. 由于两个数据集的条目数不同，因此可能存在一些未匹配成功的数据。我们可以使用dropna()函数将未匹配成功的数据去除，并将结果写入一个新的csv文件。

# 去除匹配失败的行，并将结果写入新的csv文件
result = result.dropna()
result.to_csv('combined.csv', index=False)