### 使用 Pandas 和 Openpyxl 实现 Excel 数据对比 为了有效地比较两个 Excel 文件中的数据差异，可以采用 `pandas` 库加载并处理数据表，并通过编写自定义逻辑来识别不同之处。下面提供了一个具体的解决方案。 #### 加载必要的库 首先安装所需的包（如果尚未安装），可以通过命令行执行如下语句： ```bash pip install pandas openpyxl ``` 接着，在脚本顶部引入这些模块： ```python import pandas as pd from pathlib import Path ``` #### 准备工作：读取Excel文件 假设存在两份待比较的工作簿分别为 file1.xlsx 和 file2.xlsx ，每张表内含相同结构的数据集，则可按如下方式将其转换成 DataFrame 对象以便后续操作[^1]。 ```python def load_excel_to_df(file_path): """Load an Excel file into a dataframe.""" df = pd.read_excel(Path(file_path)) return df file_1 = 'path/to/file1.xlsx' file_2 = 'path/to/file2.xlsx' df1 = load_excel_to_df(file_1) df2 = load_excel_to_df(file_2) ``` #### 执行数据对比 一旦获取到两个DataFrame实例之后，就可以着手寻找它们之间的区别了。这里给出了一种简单的方法用于检测新增、删除以及修改过的记录项。 ```python comparison_columns = ['col_name'] # 替换成实际列名列表 # 获取交集部分作为基础参照物 common_data = pd.merge(df1, df2, on=comparison_columns, how='inner', suffixes=('_old', '_new')) # 查找仅存在于旧版本里的条目(被删掉的部分) only_in_old = df1[~df1.isin(common_data.drop(columns=['index_new']))].dropna() # 寻找新加入的数据行 only_in_new = df2[~df2.isin(common_data.drop(columns=['index_old']))].dropna() ``` 上述代码片段实现了基于指定字段匹配的两条路径上的变更发现功能；其中 `_old`, `_new` 后缀用来区分来自哪个源的数据帧。对于那些既不在共同区域也不属于任一单独集合内的元素而言，意味着其属性发生了变化，因此还需要进一步深入探究具体变动情况。 #### 输出结果至新的Excel文档 最后一步是把所有的发现汇总起来保存在一个全新的电子表格里供审查人员查看。 ```python with pd.ExcelWriter('diff_report.xlsx') as writer: common_data.to_excel(writer, sheet_name="Common Data", index=False) only_in_old.to_excel(writer, sheet_name="Removed Entries", index=False) only_in_new.to_excel(writer, sheet_name="Added Entries", index=False) print("Comparison complete! Check diff_report.xlsx.") ``` 此过程不仅能够高效地完成多维度的数据核对任务，同时也简化了人工校验流程，提高了工作效率[^3].