为了完成这个任务，我们可以使用Python中的`pandas`库来进行Excel文件的操作，并通过简单的数据处理逻辑来实现您的需求。以下是详细的步骤说明及代码示例： ### 步骤1：安装必要的库 如果你还没有安装 `pandas` 和 `openpyxl` 库，可以先运行下面的命令进行安装： ```bash pip install pandas openpyxl ``` ### 步骤2：编写Python脚本 我们假设两个 Excel 文件分别命名为 `file1.xlsx` 和 `file2.xlsx`。 #### 读取并合并两份表格 首先我们需要读入这两个excel文档的内容，然后基于“意图名称”这一字段对它们做匹配操作。 ```python import pandas as pd # 加载第一个xlsx文件 (图名) df_names = pd.read_excel('file1.xlsx', usecols=[0], names=['intent_name']) # 加载第二个xlsx文件 (意图+其他信息)，并且只保留需要的部分列 df_data = pd.read_excel('file2.xlsx') # 合并与筛选 merged_df = df_data.merge(df_names, how='inner', left_on=df_data.columns[0], right_on='intent_name') ``` #### 计算每个意图的准确率 接下来我们将按照每一组唯一的"意图名称"去统计对应的识别结果是否一致(`first_column == third_column`)，进而得出其各自的正确比例。 ```python def calculate_accuracy(group): total_count = len(group) # 总记录数 correct_predictions = sum((group.iloc[:, 0] == group.iloc[:, 2])) if len(group.columns)>2 else None return pd.Series({ 'total': total_count, 'correct': correct_predictions, 'accuracy_rate': correct_predictions / total_count * 100 if total_count != 0 and correct_predictions is not None else None }) result_stats = merged_df.groupby(merged_df.columns[0]).apply(calculate_accuracy).reset_index() ``` 注意这里假定原始的数据帧中有足够的三列用于比较；如果实际结构有所不同，则需调整上述索引值。 #### 输出最终的结果至新的XLSX文件 最后一步就是把上面得到的所有统计数据保存成一个新的工作簿了！ ```python output_file_path = "intents_accuracy_report.xlsx" with pd.ExcelWriter(output_file_path, engine='openpyxl') as writer: result_stats.to_excel(writer, index=False) print(f"The accuracy report has been saved to {output_file_path}") ``` 以上就是一个完整的流程演示。当然，在真实的应用场景中还可能涉及到更多的细节问题（如异常情况下的容错机制等），但是总体来说这段代码应该能满足您当前的需求。