在使用 Python 读取 Excel 文件并进行数据比较时，可以借助 `pandas` 和 `openpyxl` 等库实现高效的数据处理与对比操作。以下是一种常用的方法： ### 读取 Excel 数据 使用 `pandas` 读取 Excel 文件可以快速将数据转换为 `DataFrame` 格式，便于后续处理。例如，可以使用以下代码读取两个 Excel 文件： ```python import pandas as pd # 读取两个 Excel 文件 df1 = pd.read_excel('file1.xlsx', sheet_name='Sheet1') df2 = pd.read_excel('file2.xlsx', sheet_name='Sheet1') ``` ### 数据对比 #### 1. 对比两个 DataFrame 的差异 可以通过 `pandas` 提供的函数进行逐行、逐列或全表对比。例如，使用 `compare` 方法可以查看两个 `DataFrame` 的差异： ```python # 对比两个 DataFrame 的差异 comparison = df1.compare(df2, align_axis=0) print(comparison) ``` 该方法会返回一个新的 `DataFrame`，其中包含两个数据集中不同的值，以及它们在原始数据中的位置[^2]。 #### 2. 使用 `merge` 进行数据集对比 如果需要找出两个数据集中相同或不同的行，可以使用 `merge` 方法进行合并并筛选： ```python # 找出 df1 和 df2 中相同的行 common_rows = pd.merge(df1, df2, how='inner') # 找出 df1 中存在但 df2 中不存在的行 only_in_df1 = df1[~df1.isin(df2.to_dict(orient='list')).all(axis=1)] ``` 这种方法适用于基于特定列进行对比的情况，如基于主键或其他关键字段。 #### 3. 使用 `openpyxl` 读取单元格数据并逐个比较 如果需要更精细的控制，例如逐个单元格地比较，可以使用 `openpyxl`： ```python from openpyxl import load_workbook # 加载工作簿 wb1 = load_workbook('file1.xlsx') wb2 = load_workbook('file2.xlsx') # 获取工作表 sheet1 = wb1['Sheet1'] sheet2 = wb2['Sheet1'] # 遍历单元格并比较 for row in range(1, sheet1.max_row + 1): for col in range(1, sheet1.max_column + 1): cell1 = sheet1.cell(row=row, column=col).value cell2 = sheet2.cell(row=row, column=col).value if cell1 != cell2: print(f"差异在行 {row}, 列 {col}: {cell1} vs {cell2}") ``` 该方法适用于需要精确控制每个单元格比较的场景[^1]。 --- ### 数据对比的优化建议 - **使用索引**：确保数据集有唯一的索引列，这样可以提高对比效率。 - **数据清洗**：在对比前，对数据进行清洗，如去除空格、统一格式等，以避免因格式问题导致误判。 - **可视化差异**：可以将差异数据导出为新的 Excel 文件，或者使用 `matplotlib`、`seaborn` 等库进行可视化展示。 --- ### 示例代码：将差异保存到新的 Excel 文件 ```python # 将差异保存到新的 Excel 文件 comparison.to_excel('differences.xlsx') ``` ---