Warning: file_get_contents(/data/phpspider/zhask/data//catemap/2/node.js/37.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
Excel合并单元格,来自使用Python的2张工作表_Python_Excel_Pandas - Fatal编程技术网

Excel合并单元格,来自使用Python的2张工作表

Excel合并单元格,来自使用Python的2张工作表,python,excel,pandas,Python,Excel,Pandas,我有两张Excel表格,sheet1和sheet2。Sheet1有行id,名,姓,说明列等。Sheet2还有一列存储名,姓,还有另外两列,D列,和E列,需要合并到说明列中 名字、姓氏的组合在两张表中仅存在一次 如何根据匹配条件,使用Python合并第1页第1行和第2页第D列、第E列、第1页第Description列和第1页第2行中名和姓相等的内容 第1页: ID | columnB | column C | Column D 1 | John | Hingins | Somede

我有两张Excel表格,
sheet1
sheet2
。Sheet1有
行id
说明
列等。Sheet2还有一列存储
,还有另外两列,
D列
,和
E列
,需要合并到说明列中

名字
姓氏
的组合在两张表中仅存在一次

如何根据匹配条件,使用Python合并第1页第1行和第2页第D列、第E列、第1页第Description列和第1页第2行中名和姓相等的内容

第1页:

ID | columnB  | column C | Column D 
1  | John     | Hingins  | Somedescription
第2页:

ID | column Z | column X | Column Y     | Column W
1  | John     | Hingins  | description2 | Somemoredescription
输出: 第1页:


我想你应该看看这个。但这主要是为了上下文

我认为你的问题实际上可以归结为这一点

>>> !cat scores3.csv
ID,JanSales,FebSales
1,100,200
2,200,500
3,300,400
>>> !cat scores4.csv
ID,CreditScore,EMMAScore
2,good,Watson
3,okay,Thompson
4,not-so-good,NA
我们可以将这些数据读入称为数据框的对象中(可以把它们想象成类似于Excel表格):

然后我们可以在ID列上合并它们:

>>> merged = s3.merge(s4, on="ID", how="outer")
>>> merged
   ID  JanSales  FebSales  CreditScore EMMAScore
0   1       100       200          NaN       NaN
1   2       200       500         good    Watson
2   3       300       400         okay  Thompson
3   4       NaN       NaN  not-so-good       NaN
之后,我们可以将其保存到csv文件或Excel文件:

>>> merged.to_csv("merged.csv")
>>> merged.to_excel("merged.xlsx")
从……这里

我们需要一个例子。看见
>>> merged = s3.merge(s4, on="ID", how="outer")
>>> merged
   ID  JanSales  FebSales  CreditScore EMMAScore
0   1       100       200          NaN       NaN
1   2       200       500         good    Watson
2   3       300       400         okay  Thompson
3   4       NaN       NaN  not-so-good       NaN
>>> merged.to_csv("merged.csv")
>>> merged.to_excel("merged.xlsx")