使用python,制作一个ui界面,功能包含,选择两个excel,对比两相同名称sheet里内容的差异,并将差异内容显示出来,记录在csv文件中

### Python UI 对比两个 Excel Sheet 差异并保存到 CSV 的实现 为了实现这个功能,可以使用 `openpyxl` 和 `pandas` 来处理 Excel 文件,同时使用 `tkinter` 创建一个简单的 GUI 界面。以下是一个完整的解决方案: #### 1. 安装依赖库 确保安装了以下库: ```bash pip install openpyxl pandas tkinter ``` #### 2. 实现代码 以下代码展示了如何创建一个 GUI 界面来选择两个 Excel 文件,对比它们相同名称的 Sheet 内容差异,并将结果保存为 CSV 文件。 ```python import os import pandas as pd from tkinter import Tk, filedialog, Label, Button, Text, END from tkinter.messagebox import showinfo def select_file(): """选择文件""" return filedialog.askopenfilename(filetypes=[("Excel Files", "*.xlsx")]) def compare_sheets(file1, file2): """对比两个 Excel 文件的 Sheet 差异""" # 加载 Excel 文件 xls1 = pd.ExcelFile(file1) xls2 = pd.ExcelFile(file2) # 获取所有相同的 Sheet 名称 common_sheets = set(xls1.sheet_names).intersection(xls2.sheet_names) differences = {} for sheet in common_sheets: df1 = xls1.parse(sheet) df2 = xls2.parse(sheet) # 找出两者的差异 diff = df1.compare(df2, align_axis=1) if not diff.empty: differences[sheet] = diff return differences def save_to_csv(differences, output_folder): """将差异保存到 CSV 文件""" for sheet, diff in differences.items(): output_path = os.path.join(output_folder, f"{sheet}_differences.csv") diff.to_csv(output_path) text_box.insert(END, f"Saved {output_path}\n") def process_files(): """处理文件""" file1 = select_file() if not file1: return file2 = select_file() if not file2: return differences = compare_sheets(file1, file2) if not differences: showinfo("Info", "No differences found.") return output_folder = filedialog.askdirectory() if not output_folder: return save_to_csv(differences, output_folder) showinfo("Info", "Differences saved successfully.") # 创建 GUI 界面 root = Tk() root.title("Excel Sheet Comparator") Label(root, text="Select two Excel files and compare their sheets").pack(pady=10) Button(root, text="Compare Files", command=process_files).pack(pady=10) text_box = Text(root, height=10, width=50) text_box.pack(pady=10) root.mainloop() ``` #### 3. 功能说明 - **选择文件**:通过 `filedialog.askopenfilename` 方法让用户选择两个 Excel 文件。 - **对比差异**:使用 `pandas.DataFrame.compare` 方法找出两个 DataFrame 的差异[^1]。 - **保存结果**:将每个 Sheet 的差异保存为单独的 CSV 文件。 - **GUI 界面**:使用 `tkinter` 创建了一个简单的界面,用户可以通过按钮选择文件和保存路径。 #### 4. 注意事项 - 如果两个文件中没有相同的 Sheet 名称,则不会生成任何差异文件[^2]。 - 在保存差异时,确保目标文件夹存在并且有写入权限[^3]。 --- ### 示例输出 假设两个 Excel 文件中的 Sheet 名称为 `Sheet1`,且内容如下: **File1 - Sheet1** | A | B | |-----|-----| | 1 | 2 | | 3 | 4 | **File2 - Sheet1** | A | B | |-----|-----| | 1 | 5 | | 3 | 4 | 运行程序后,生成的 CSV 文件内容可能如下: **Sheet1_differences.csv** | | A | B | |-----|-----|-----| | 0 | NaN | 2.0 | 5.0 | ---

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

Python内容推荐

【智能优化算法】基于改进鲸鱼算法HIWOA求解单目标优化问题附matlab代码.pdf

【智能优化算法】基于改进鲸鱼算法HIWOA求解单目标优化问题附matlab代码.pdf

【智能优化算法】基于改进鲸鱼算法HIWOA求解单目标优化问题附matlab代码.pdf

2023年第二十届五一数学建模A题:无人机定点投放问题思路及参考matlab代码.md

2023年第二十届五一数学建模A题:无人机定点投放问题思路及参考matlab代码.md

2023年第二十届五一数学建模A题:无人机定点投放问题思路及参考matlab代码.md

数据生成  Matlab实现基于K-means和SVM的GMM高斯混合分布的数据生成.md

数据生成 Matlab实现基于K-means和SVM的GMM高斯混合分布的数据生成.md

数据生成 Matlab实现基于K-means和SVM的GMM高斯混合分布的数据生成.md

2025年第十七届“电工杯”全国大学生电工数学建模竞赛B题思路与Matlab参考代码.md

2025年第十七届“电工杯”全国大学生电工数学建模竞赛B题思路与Matlab参考代码.md

2025年第十七届“电工杯”全国大学生电工数学建模竞赛B题思路与Matlab参考代码.md

基于Matlab模拟6速双凸轮带经济燃油评估传动变速器.md

基于Matlab模拟6速双凸轮带经济燃油评估传动变速器.md

基于Matlab模拟6速双凸轮带经济燃油评估传动变速器.md

EI复现考虑分布式电源不确定性的配电网鲁棒动态重构(Matlab代码实现)

EI复现考虑分布式电源不确定性的配电网鲁棒动态重构(Matlab代码实现)

内容概要:本文围绕考虑分布式电源不确定性的配电网鲁棒动态重构问题展开研究,旨在通过Matlab代码实现EI级别复现。研究内容涵盖日前、日内非滚动、日内滚动调度以及实时修正等多个时间尺度的优化策略,重点解决分布式电源出力不确定性对配电网运行带来的挑战。通过构建鲁棒优化模型,实现对网络拓扑的动态重构,提升配电网在不确定环境下的运行安全性与经济性。文中详细阐述了模型构建、算法设计与仿真验证全过程,并提供了完整的代码资源与案例分析,确保研究成果的可复现性与实用性。; 适合人群:具备电力系统、优化算法及Matlab编程基础的研究生、科研人员及工程技术人员,尤其适合从事智能电网、分布式能源、配电网优化等方向的研究者。; 使用场景及目标:①应用于含高比例分布式电源的配电网优化调度;②为科研项目提供鲁棒优化建模与动态重构的代码实现参考;③服务于电力系统运行部门进行配电网安全经济运行分析与决策支持。; 阅读建议:此资源以Matlab代码实现为核心,强调理论与实践的紧密结合。建议读者在学习过程中,结合文档提供的完整资源下载链接,运行并调试代码,深入理解鲁棒优化与动态重构的实现细节,同时可将其作为科研复现与工程应用的重要工具。

多输入多输出  Matlab实现WOA-RBF鲸鱼算法优化径向基神经网络多输入多输出预测.md

多输入多输出 Matlab实现WOA-RBF鲸鱼算法优化径向基神经网络多输入多输出预测.md

多输入多输出 Matlab实现WOA-RBF鲸鱼算法优化径向基神经网络多输入多输出预测.md

基于卷积神经网络-双向长短期记忆网络结合注意力机制CNN-BiLSTM-attention回归区间预测-Matlab.md

基于卷积神经网络-双向长短期记忆网络结合注意力机制CNN-BiLSTM-attention回归区间预测-Matlab.md

基于卷积神经网络-双向长短期记忆网络结合注意力机制CNN-BiLSTM-attention回归区间预测-Matlab.md

多维时序  MATLAB实现WOA-CNN-LSTM-Multihead-Attention多头注意力机制多变量时间序列预测.md

多维时序 MATLAB实现WOA-CNN-LSTM-Multihead-Attention多头注意力机制多变量时间序列预测.md

多维时序 MATLAB实现WOA-CNN-LSTM-Multihead-Attention多头注意力机制多变量时间序列预测.md

时序预测  Matlab实现HPO-ELM猎食者算法优化极限学习机的时间序列预测.md

时序预测 Matlab实现HPO-ELM猎食者算法优化极限学习机的时间序列预测.md

时序预测 Matlab实现HPO-ELM猎食者算法优化极限学习机的时间序列预测.md

期刊关键代码复现 BIGRU-Adaboost多元分类预测  Matlab基于双向门控循环单元Adaboost分类预测.md

期刊关键代码复现 BIGRU-Adaboost多元分类预测 Matlab基于双向门控循环单元Adaboost分类预测.md

期刊关键代码复现 BIGRU-Adaboost多元分类预测 Matlab基于双向门控循环单元Adaboost分类预测.md

时序预测  Matlab实现BiTCN-BiLSTM双向时间卷积神经网络结合双向长短期记忆神经网络时间序列预测.md

时序预测 Matlab实现BiTCN-BiLSTM双向时间卷积神经网络结合双向长短期记忆神经网络时间序列预测.md

时序预测 Matlab实现BiTCN-BiLSTM双向时间卷积神经网络结合双向长短期记忆神经网络时间序列预测.md

MATLAB函数优化工具箱:多种遗传算法集成方案

MATLAB函数优化工具箱:多种遗传算法集成方案

MATLAB函数优化工具箱:多种遗传算法集成方案

基于Matlab绘制3D 散点图边缘图(福利).md

基于Matlab绘制3D 散点图边缘图(福利).md

基于Matlab绘制3D 散点图边缘图(福利).md

MATLAB实现基于Waterfilling算法的多用户功率分配优化系统

MATLAB实现基于Waterfilling算法的多用户功率分配优化系统

MATLAB实现基于Waterfilling算法的多用户功率分配优化系统

KOA-CNN-BiLSTM-Attention基于开普勒算法优化卷积神经网络-双向长短期记忆神经网络结合注意力机制分类预测.md

KOA-CNN-BiLSTM-Attention基于开普勒算法优化卷积神经网络-双向长短期记忆神经网络结合注意力机制分类预测.md

KOA-CNN-BiLSTM-Attention基于开普勒算法优化卷积神经网络-双向长短期记忆神经网络结合注意力机制分类预测.md

机载 ARAIM 算法测试技术研究附matlab代码.md

机载 ARAIM 算法测试技术研究附matlab代码.md

机载 ARAIM 算法测试技术研究附matlab代码.md

混合整数规划的机组组合附Matlab代码.pdf

混合整数规划的机组组合附Matlab代码.pdf

混合整数规划的机组组合附Matlab代码.pdf

【预测模型-ELAMN预测】基于蚁群算法优化ELMAN神经网络实现数据回归预测matlab代码.md

【预测模型-ELAMN预测】基于蚁群算法优化ELMAN神经网络实现数据回归预测matlab代码.md

【预测模型-ELAMN预测】基于蚁群算法优化ELMAN神经网络实现数据回归预测matlab代码.md

基于Matlab的非线性阻尼振荡器仿真.md

基于Matlab的非线性阻尼振荡器仿真.md

基于Matlab的非线性阻尼振荡器仿真.md

最新推荐最新推荐

recommend-type

【预测模型】基于人工鱼群算法优化BP神经网络实现数据分类matlab代码.md

【预测模型】基于人工鱼群算法优化BP神经网络实现数据分类matlab代码.md
recommend-type

基于龙格库实现跟随车辆路径规划附matlab代码.md

基于龙格库实现跟随车辆路径规划附matlab代码.md
recommend-type

分类预测 Matlab实现DBO-SVM蜣螂算法优化支持向量机的数据分类预测【23年新算法】.md

分类预测 Matlab实现DBO-SVM蜣螂算法优化支持向量机的数据分类预测【23年新算法】.md
recommend-type

时序预测 MATLAB实现DNN深度神经网络时间序列预测未来(多指标,多图输出).pdf

时序预测 MATLAB实现DNN深度神经网络时间序列预测未来(多指标,多图输出).pdf
recommend-type

学生成绩管理系统C++课程设计与实践

资源摘要信息:"学生成绩信息管理系统-C++(1).doc" 1. 系统需求分析与设计 在进行学生成绩信息管理系统开发前,首先需要进行系统需求分析,这是确定系统开发目标与范围的过程。需求分析应包括数据需求和功能需求两个方面。 - 数据需求分析: - 学生成绩信息:需要收集学生的姓名、学号、课程成绩等数据。 - 数据类型和长度:明确每个数据项的数据类型(如字符串、整型等)和长度,例如学号可能是字符串类型且长度为一定值。 - 描述:详细描述每个数据项的意义,以确保系统能够准确处理。 - 功能需求分析: - 列出功能列表:用户界面应提供清晰的操作指引,列出所有可用功能。 - 查询学生成绩:系统应能通过学号或姓名查询学生的成绩信息。 - 增加学生成绩信息:允许用户添加未保存的学生成绩信息。 - 删除学生成绩信息:能够通过学号或姓名删除已经保存的成绩信息。 - 修改学生成绩信息:通过学号或姓名修改已有的成绩记录。 - 退出程序:提供安全退出程序的选项,并确保所有修改都已保存。 2. 系统设计 系统设计阶段主要完成内存数据结构设计、数据文件设计、代码设计、输入输出设计、用户界面设计和处理过程设计。 - 内存数据结构设计: - 使用链表结构组织内存中的数据,便于动态增删查改操作。 - 数据文件设计: - 选择文本文件存储数据,便于查看和编辑。 - 代码设计: - 根据功能需求,编写相应的函数和模块。 - 输入输出设计: - 设计简洁明了的输入输出提示信息和操作流程。 - 用户界面设计: - 用户界面应为字符界面,方便在命令行环境下使用。 - 处理过程设计: - 设计数据处理流程,确保每个操作都有明确的处理逻辑。 3. 系统实现与测试 实现阶段需要根据设计阶段的成果编写程序代码,并进行系统测试。 - 程序编写: - 完成系统设计中所有功能的程序代码编写。 - 系统测试: - 设计测试用例,通过测试用例上机测试系统。 - 记录测试方法和测试结果,确保系统稳定可靠。 4. 设计报告撰写 最后,根据系统开发的各个阶段,撰写详细的设计报告。 - 系统描述:包括问题说明、数据需求和功能需求。 - 系统设计:详细记录内存数据结构设计、数据文件设计、代码设计、输入/输出设计、用户界面设计、处理过程设计。 - 系统测试:包括测试用例描述、测试方法和测试结果。 - 设计特点、不足、收获和体会:反思整个开发过程,总结经验和教训。 时间安排: - 第19周(7月12日至7月16日)完成项目。 - 7月9日8:00到计算机学院实验中心(三楼)提交程序和课程设计报告。 指导教师和系主任(或责任教师)需要在文档上签名确认。 系统需求分析: - 使用表格记录系统需求分析的结果,包括数据项、数据类型、数据长度和描述。 - 分析数据项如学生成绩信息、状态器、链表节点等,确定其属性和行为。 以上就是文档中提到的学生成绩信息管理系统开发的关键知识点。开发此类系统需要熟练掌握C++编程基础,了解面向对象的程序设计思想,以及熟悉文件操作和链表等数据结构的应用。此外,良好的软件开发流程意识、测试意识和文档撰写能力也是必不可少的。
recommend-type

别再手动拖拽了!用Lumerical脚本批量创建FDTD仿真结构(附完整代码)

# 告别低效建模:Lumerical脚本自动化实战指南 在光子学仿真领域,时间就是科研生命线。当同行还在GUI界面里反复点击菜单时,你已经用脚本批量生成了20组参数化结构——这不是未来场景,而是每位FDTD用户都应该掌握的基础生产力革命。本文将彻底改变你与Lumerical的交互方式,从手动拖拽的农耕时代,跃迁到自动化建模的工业文明。 ## 1. 为何脚本建模是必然选择 2019年Nature Photonics的一项研究显示,科研工作者在仿真工具上平均浪费37%的时间在重复性操作上。对于需要参数扫描的纳米光学结构设计,这个数字可能更高。手动创建10个不同尺寸的纳米柱阵列意味着: -
recommend-type

Java邮件解析任务中,如何安全高效地提取HTML邮件内容并避免硬编码、资源泄漏和类型转换异常?

<think>我们被要求优化一段Java代码,该代码用于处理邮件(特别是来自特定发件人的构建通知邮件)。代码的主要问题包括: 1. 重复获取邮件内容:在检查MIME类型后,多次调用`msg[i].getContent()`,这可能导致性能问题或流关闭异常。 2. 类型转换问题:直接将邮件内容转换为`Multipart`而不进行类型检查,可能引发`ClassCastException`。 3. 代码结构问题:逻辑嵌套过深,可读性差,且存在重复代码(如插入邮件详情的操作在两个地方都有)。 4. 硬编码和魔法值:例如在解析HTML表格时使用了硬编码的索引(如list3.get(10)),这容易因邮件
recommend-type

RH公司应收账款管理优化策略研究

资源摘要信息:"本文针对RH公司的应收账款管理问题进行了深入研究,并提出了改进策略。文章首先分析了应收账款在企业管理中的重要性,指出其对于提高企业竞争力、扩大销售和充分利用生产能力的作用。然后,以RH公司为例,探讨了公司应收账款管理的现状,并识别出合同管理、客户信用调查等方面的不足。在此基础上,文章提出了一系列改善措施,包括完善信用政策、改进业务流程、加强信用调查和提高账款回收力度。特别强调了建立专门的应收账款回收部门和流程的重要性,并建议在实际应用过程中进行持续优化。同时,文章也意识到企业面临复杂多变的内外部环境,因此提出的策略需要根据具体情况调整和优化。 针对财务管理领域的专业学生和从业者,本文提供了一个关于应收账款管理问题的案例研究,具有实际指导意义。文章还探讨了信用管理和征信体系在应收账款管理中的作用,强调了它们对于提升企业信用风险控制和市场竞争能力的重要性。通过对比国内外企业在应收账款管理上的差异,文章总结了适合中国企业实际环境的应收账款管理方法和策略。" 根据提供的文件内容,以下是详细的知识点: 1. 应收账款管理的重要性:应收账款作为企业的一项重要资产,其有效管理关系到企业的现金流、财务健康以及市场竞争力。不良的应收账款管理会导致资金链断裂、坏账损失增加等问题,严重影响企业的正常运营和长远发展。 2. 应收账款的信用风险:在信用交易日益频繁的商业环境中,企业必须对客户信用进行评估,以便采取合理的信用政策,降低信用风险。 3. 合同管理的薄弱环节:合同是应收账款管理的法律基础,严格的合同管理能够保障企业权益,减少因合同问题导致的应收账款风险。 4. 客户信用调查:了解客户的信用状况对于预测和控制应收账款风险至关重要。企业需要建立有效的客户信用调查机制,识别和筛选信用良好的客户。 5. 应收账款回收策略:企业应建立有效的账款回收机制,包括定期的账款跟进、逾期账款的催收等。同时,建立专门的应收账款回收部门可以提升回收效率。 6. 应收账款管理流程优化:通过改进企业内部管理流程,如简化审批流程、提高工作效率等措施,能够提升应收账款的管理效率。 7. 应收账款管理策略的调整和优化:由于企业的内外部环境复杂多变,因此制定的管理策略需要根据实际情况进行动态调整和持续优化。 8. 信用管理和征信体系的作用:建立和完善企业内部信用管理体系和征信体系,有助于企业更好地控制信用风险,并在市场竞争中占据有利地位。 9. 对比国内外应收账款管理实践:通过研究国内外企业在应收账款管理上的不同做法和经验,可以借鉴先进的管理理念和方法,提升国内企业的应收账款管理水平。 综上所述,本文深入探讨了应收账款管理的多个方面,为RH公司乃至其他同类型企业提供了应收账款管理的改进方向和策略,对于财务管理专业的教育和实践都具有重要的参考价值。
recommend-type

新手别慌!用BingPi-M2开发板带你5分钟搞懂Tina Linux SDK目录结构

# 新手别慌!用BingPi-M2开发板带你5分钟搞懂Tina Linux SDK目录结构 第一次拿到BingPi-M2开发板时,面对Tina Linux SDK里密密麻麻的文件夹,我完全不知道从哪下手。就像走进一个陌生的大仓库,每个货架上都堆满了工具和零件,却找不到操作手册。这种困惑持续了整整两天,直到我意识到——理解目录结构比死记硬背每个文件更重要。 ## 1. 为什么SDK目录结构如此重要 想象你正在组装一台复杂的模型飞机。如果所有零件都混在一个箱子里,你需要花大量时间寻找每个螺丝和面板。但如果有分门别类的隔层,标注着"机身部件"、"电子设备"、"紧固件",组装效率会成倍提升。Ti
recommend-type

Java线程池运行时状态怎么实时掌握?有哪些靠谱的监控手段?

<think>我们之前已经讨论过Java线程池监控的多种方法,包括使用第三方工具和自定义监控。现在用户再次询问Java线程池监控方法,我们需要根据引用内容以及之前讨论的内容进行总结和扩展。 引用[1]提到使用JDK自带的监控工具,引用[2]提到了三种常用的线程池创建方式,引用[3]给出了通过ThreadPoolExecutor获取线程池状态的方法。 结合之前回答的内容,我们可以将监控方法分为以下几类: 1. 使用JDK自带工具(如jconsole, jvisualvm)进行监控。 2. 通过编程方式获取线程池状态(如引用[3]所示)。 3. 扩展ThreadPoolExecutor,