Python两个Excel多Sheet数据对比-51CTO.COM

在数据处理与分析中，经常需要比较来自不同来源的数据集，特别是在处理涉及多个Excel工作簿和工作表的场景时。Python的Pandas库提供了强大的工具，可以帮助我们高效地完成这一任务。下面，我们将一步步引导你如何使用Python对比两个Excel文件中多个Sheet的数据。

第一步：安装必要的库

确保你的Python环境中已安装pandas和openpyxl。如果没有安装，可以通过以下命令安装：

pip install pandas openpyxl

第二步：读取Excel文件中的多个Sheet

使用pandas.ExcelFile或pandas.read_excel直接读取多个Sheet的数据。

import pandas as pd
# 读取第一个Excel文件的所有Sheet
xlsx1 = pd.ExcelFile('file1.xlsx')
sheets1 = {sheet_name: xlsx1.parse(sheet_name) for sheet_name in xlsx1.sheet_names}
# 读取第二个Excel文件的所有Sheet
xlsx2 = pd.ExcelFile('file2.xlsx')
sheets2 = {sheet_name: xlsx2.parse(sheet_name) for sheet_name in xlsx2.sheet_names}

第三步：对比数据

对比两个Excel文件中相同名称的Sheet。我们可以逐个Sheet进行对比，寻找不一致的数据行。


# 创建一个空的字典来存储对比结果
comparison_results = {}
for sheet_name in sheets1.keys():
    if sheet_name in sheets2:
        # 如果两个文件都有相同的Sheet，则进行对比
        df1 = sheets1[sheet_name]
        df2 = sheets2[sheet_name]
        # 比较两个DataFrame
        comparison = df1.merge(df2, how='outer', indicator=True)
        comparison_results[sheet_name] = comparison[comparison['_merge'] != 'both']

第四步：分析差异

上述对比会返回一个新DataFrame，其中包含标记为left_only或right_only的行，表示只在左侧或右侧数据集中存在。此外，还可以通过left和right后缀访问原始数据列。


# 分析差异
for sheet_name, result in comparison_results.items():
    if not result.empty:
        print(f"Differences found in '{sheet_name}':")
        print(result)

第五步：保存对比结果

将对比结果保存到新的Excel文件中，便于后续分析或报告。


with pd.ExcelWriter('comparison_results.xlsx') as writer:
    for sheet_name, result in comparison_results.items():
        if not result.empty:
            result.to_excel(writer, sheet_name=sheet_name, index=False)

完整代码示例

下面是将上述步骤整合在一起的完整代码示例：


import pandas as pd
# 读取Excel文件
xlsx1 = pd.ExcelFile('file1.xlsx')
xlsx2 = pd.ExcelFile('file2.xlsx')
# 读取所有Sheet
sheets1 = {sheet_name: xlsx1.parse(sheet_name) for sheet_name in xlsx1.sheet_names}
sheets2 = {sheet_name: xlsx2.parse(sheet_name) for sheet_name in xlsx2.sheet_names}
# 创建一个空的字典来存储对比结果
comparison_results = {}
# 对比数据
for sheet_name in sheets1.keys():
    if sheet_name in sheets2:
        df1 = sheets1[sheet_name]
        df2 = sheets2[sheet_name]
        comparison = df1.merge(df2, how='outer', indicator=True)
        comparison_results[sheet_name] = comparison[comparison['_merge'] != 'both']
# 保存对比结果
with pd.ExcelWriter('comparison_results.xlsx') as writer:
    for sheet_name, result in comparison_results.items():
        if not result.empty:
            result.to_excel(writer, sheet_name=sheet_name, index=False)

通过上述步骤，你可以有效地对比两个Excel文件中多个Sheet的数据，找出差异并保存结果。这种方法特别适用于财务审计、数据清洗或任何需要跨数据集一致性检查的场景。

希望这篇指南能够帮助你在Python中处理复杂的Excel数据对比任务。