Pandas 使用Python比较两个具有不同行数的Excel文件
我正在使用Python3.7,我想比较两个Excel文件,它们有相同的列(140列),但行数不同,我在网站上查看了一下,但没有找到适合我的案例的解决方案 以下是一个例子:Pandas 使用Python比较两个具有不同行数的Excel文件,pandas,numpy,python-3.7,Pandas,Numpy,Python 3.7,我正在使用Python3.7,我想比较两个Excel文件,它们有相同的列(140列),但行数不同,我在网站上查看了一下,但没有找到适合我的案例的解决方案 以下是一个例子: df1 (old report) : id qte d1 d2 A 10 23 35 B 43 63 63 C 15 61 62 df2 (new report) : id qte
df1 (old report) :
id qte d1 d2
A 10 23 35
B 43 63 63
C 15 61 62
df2 (new report) :
id qte d1 d2
A 20 23 35
C 15 61 62
E 38 62 16
F 63 20 51
结果应该是:
- 修改行必须为黄色,修改值必须为红色
- 新的一排是绿色的
- 删除的行显示为红色 id qte d1 d2 A 20 23 35 C 15 61 62 B 43 63 E 38 62 16 F 63 20 51
import pandas as pd
import numpy as np
df1= pd.read_excel(r'C .....\data novembre.xlsx','Sheet1',na_values=['NA'])
df2= pd.read_excel(r'C.....\data decembre.xlsx','Sheet1',na_values=['NA'])
merged_data=df1.merge(df2, left_on = 'id', right_on = 'id', how = 'outer')
加入数据虽然不是我想要的
我刚刚开始学习Python,所以我真的需要帮助 一个excel diff可以很快变成一个时髦的野兽,但我们应该能够通过一些
concats
和布尔语句来做到这一点
假设您的数据帧被称为df1、df2
df1 = df1.set_index('id')
df2 = df2.set_index('id')
df3 = pd.concat([df1,df2],sort=False)
df3a = df3.stack().groupby(level=[0,1]).unique().unstack(1).copy()
df3a.loc[~df3a.index.isin(df2.index),'status'] = 'deleted' # if not in df2 index then deleted
df3a.loc[~df3a.index.isin(df1.index),'status'] = 'new' # if not in df1 index then new
idx = df3.stack().groupby(level=[0,1]).nunique() # get modified cells.
df3a.loc[idx.mask(idx <= 1).dropna().index.get_level_values(0),'status'] = 'modified'
df3a['status'] = df3a['status'].fillna('same') # assume that anything not fufilled by above rules is the same.
如果您不介意将所有数据类型转换为字符串对性能的影响,那么这可能会起作用。但我不推荐这样做,使用事实或缓慢变化的维度模式来保存这些数据,将来你会感谢自己的
df3a.stack().explode().astype(str).groupby(level=[0,1]).agg('-->'.join).unstack(1)
d1 d2 qte status
id
A 23 35 10-->20 modified
B 63 63 43 deleted
C 61 62 15 same
E 62 16 38 new
F 20 51 63 new
1000多亏了你,它工作了!,我还有一个问题,如果我想用绿色突出显示新行,用红色突出显示删除的行,修改后的行将用黄色突出显示(对于修改后的值,我将只在数组中保留新值),我怎么做?@FaziaChenna没问题:)看这里我在Pandasys中设计裤子我明白了,谢谢,在之前的结果中,最后一件事是(d1 d2和qte)的位置发生了变化,它应该是这样的:id qte d1 d2。我怎么能有相同的专栏structure@FaziaChenna您可以通过手动指定cols
df3a[df1.columns]
应该起作用来设置它。别忘了接受答案:)我没有得到我想要的结果,问题是我的原始文件有140多列,我在应用代码时它不起作用!
df3a.stack().explode().astype(str).groupby(level=[0,1]).agg('-->'.join).unstack(1)
d1 d2 qte status
id
A 23 35 10-->20 modified
B 63 63 43 deleted
C 61 62 15 same
E 62 16 38 new
F 20 51 63 new