Python 比较从excel导入的2个数据帧

我正在从事数据比较项目。这里有两个excel文件“Prod1”和“Proj1”，它们是我在python中作为数据帧导入的。两个数据帧都有46个相同的列，带有相同的标签。但两个文件的行数不同（例如，Prod1的行数为100，而Proj1的行数为110）。我想逐个单元格比较值，并在另一个数据帧中将不匹配突出显示为“真”或“假”。可以在excel中进一步导出。到目前为止，我能够阅读这些文件，但在比较部分却被击中了。好心协助

import os

import pandas as pd

import numpy as np

import xlrd

os.getcwd()

os.chdir("C:\\Users\\desktop\\Python Project")

Prod1= pd.read_excel("Prod1.xls")

df1 = pd.read_excel('Prod1.xls', 'Prod1')

print(df1)

df2 = pd.read_excel('Proj1.xls', 'Proj1')

print(df2) 

---

这是您想要的方法，首先让我们重新创建两个数据帧：

import itertools
import pandas as pd
import numpy as np

np.random.seed(1234)

df1 = pd.DataFrame(np.random.randint(0,2,size=(2,2)),columns=list('AB'))
df2 = pd.DataFrame(np.random.randint(0,2,size=(4,2)),columns=list('AB'))

Df1，Df2：

   A  B       A  B
0  1  1    0  0  0       # False
1  0  1    1  0  1       # True
           2  1  1       # False
           3  1  1       # False

现在，我们通过将这些值压缩在一起，逐行比较这些数据帧，并确保所有

.all（）

值都相同

[(a==b).all() for a,b in itertools.zip_longest(df1.values, df2.values)]

或者没有伊兹普大学：

[(a==b).all() for a,b in zip(df1.values, df2.values)]+[False]*abs(len(df2)-len(df1))

输出为：

[False, True, False, False]

---

假设df2是较大的数据帧，如您在解释中所说，调整大小以匹配df1：

>>> df1 = df1.reindex(index=df2.index)

然后只需打印以下内容：

>>> print(df1 == df2)

示例

# Define two Pandas Dataframes

>>> df1 = pd.DataFrame(data={'col1': [1,2], 'col2': [3,4]})
>>> df2 = pd.DataFrame(data={'col1': [1,2,3], 'col2': [3,4,5]})

>>> df1
   col1  col2
0     1     3
1     2     4

>>> df2
   col1  col2
0     1     3
1     2     4
2     3     5

数据帧故意在大小上不匹配，因此如果您尝试执行以下操作：

>>> print(df1 == df2)

>>> print(df1 == df2)
    col1   col2
0   True   True
1   True   True
2  False  False

您将看到如下错误：

ValueError: Can only compare identically-labeled DataFrame objects

为了比较两者，我们使用较大数据帧df2的索引（这描述了应用于每行的标签），并使用它重新定义df1的索引。注：这仅在两个数据集使用相同索引时有效

>>> df1 = df1.reindex(index=df2.index)
>>> df1
   col1  col2
0   1.0   3.0
1   2.0   4.0
2   NaN   NaN

现在，如果您尝试比较它们，您将看到以下内容：

>>> print(df1 == df2)

>>> print(df1 == df2)
    col1   col2
0   True   True
1   True   True
2  False  False

---

向我们展示print（df1.head（））的外观。另外，请告诉我们您希望导出的excel inprint（df1.head（0））空数据框列的格式：[会计分录ID、证券分录ID、POS类型分录ID、日分录ID、组合键、PSI事实集、会计编号、交易编号、TIS SEQU、原始面、数量、交易日期、结算日期、交易价格、本地应计利息、本地净额、交易CD、本地货币、基础货币、交易编号、外汇合同、外汇合同货币、本金金额、，本金金额基数、纳税日期、分录日期、分录时间、冲销日期、冲销时间、截止日期、现金本地减少、现金本地增加、交易类型、增加数量、删除数量，确定有很多列。尝试与df1共享数据。head（1）至少。输出应为excel格式。由于字符限制，我无法添加所有列。文件中的列是字符串、数字、日期、打印（df1.head（1））的混合体账户尺寸ID Sect\u DIM\u ID POS\u TYPE\u DIM\u ID DAY\u DIM\u ID\0 443 599133 86 2018-02-01复合密钥PSI事实集账户编号\0 638806--P-USD-38848-20180201-134904--X9X9USDBLKR9 515交易编号按原始交易编号…\0 38848 638806.00…SYSTEM\u LAST\u UPDATED\u BY_USER\u ID SYSTEM\u LAST\u UPDATED\u DATE\0 PMA 2018-02-01 23:30:16嗨，Ben，你能解释一下代码吗？仅仅为了理解df1=df1.reindex（index=df2.index）@AbhishekGupta基本上你给df1的索引和df2的索引相同（df2有一个较长的索引，因此df1最后填充了NAN）。嘿@AbhishekGupta，我将为答案添加更多细节，并展示一个示例。