python - 比较并查找不同 Excel 文件的两个特定列中的相同条目

Question

我有两个文件，其中有一个特定的列需要比较。在 file1 上，它位于第四列。在 file2 上，所需的列位于第三列。我需要在这两个文件及其指定的列中找到相同的条目。

文件 1

1 name addons wanted_column amount host

文件 2

1 name wanted_column 

我对 Linux shell 脚本、Python 或 Windows 上的任何东西都很满意，只要它是免费软件/自由软件。

好吧，我被问到，我尝试过什么。我将 file1 和 file2 中的整列复制到文本文件中。然后我尝试了这个命令:

diff --changed-group-format='' --unchanged-group-format='%=' file1.txt file2.txt > output.txt

这确实给了我想要的输出，但是当我比较从 file1 和 file2 之间的 Wanted_column 中随机获取的数据时，我找不到 output.txt 中的条目。这意味着该命令无法找到每个相同的条目，它只找到了一些。

Answer 1

python pandas有很多您正在寻找的功能。

例如，如果我有两个文件，file_1.xlsx 和 file_2.xlsx，假设每个文件中的工作表名称均为 Sheet_1，那么我可以创建两个 pandas.DataFrame，如下所示:

import pandas

f = pandas.ExcelFile('file_1.xlsx')
df_1 = f.parse('Sheet_1', index_col = None)

f = pandas.ExcelFile('file_2.xlsx')
df_2 = f.parse('Sheet_1', index_col = None)

我现在有两个非常灵活的数据结构来操作和比较。

注意:df_1 和 df_2 将包含该工作表中的所有列。

因此，如果我事先知道列的名称，并说它们是 f1_col 和 f2_col，那么我可以通过创建来专门检查这些列

series_1 = df_1['f1_col']
series_2 = df_2['f2_col']

现在您可以获取信息provided in this Stackoverflow post并查找两个系列之间匹配的条目。