本文档旨在指导您如何使用 Pandas 库在 Excel 文件中添加一个 "Status" 列，该列的值基于对不同 Excel 文件中特定列的比较结果。我们将详细介绍如何读取 Excel 数据，比较指定列，并根据比较结果生成 "Pass" 或 "Fail" 状态，最后将结果写入新的 Excel 文件。同时，还将展示如何使用样式突出显示比较结果，以便更直观地查看数据差异。
1. 准备工作
在开始之前，请确保您已经安装了 Pandas 库。如果没有安装，可以使用以下命令进行安装：
pip install pandas
此外，您需要准备两个 Excel 文件，例如 source.xlsx 和 target.xlsx，它们分别包含需要比较的数据。确保这两个文件包含一个共同的键列，用于合并数据。
2. 代码实现
以下代码展示了如何使用 Pandas 实现上述功能：
import pandas as pd
class ExcelComparator:
def __init__(self, src_file_name, src_sheet_name, src_pk, src_cols_to_compare, tgt_cols_to_compare, tgt_file_name,
tgt_sheet_name, tgt_pk, target_excel):
"""
初始化 ExcelComparator 类。
Args:
src_file_name (str): 源 Excel 文件名。
src_sheet_name (str): 源 Excel 工作表名。
src_pk (str): 源 Excel 主键列名。
src_cols_to_compare (list): 源 Excel 需要比较的列名列表。
tgt_cols_to_compare (list): 目标 Excel 需要比较的列名列表。
tgt_file_name (str): 目标 Excel 文件名。
tgt_sheet_name (str): 目标 Excel 工作表名。
tgt_pk (str): 目标 Excel 主键列名。
target_excel (str): 目标 Excel 文件名。
"""
self.src_file_name = src_file_name
self.src_sheet_name = src_sheet_name
self.src_pk = src_pk
self.src_cols_to_compare = src_cols_to_compare
self.tgt_cols_to_compare = tgt_cols_to_compare
self.tgt_file_name = tgt_file_name
self.tgt_sheet_name = tgt_sheet_name
self.tgt_pk = tgt_pk
self.target_excel = target_excel
def highlight_cells(self, row):
"""
根据比较结果突出显示单元格。
Args:
row (pd.Series): DataFrame 的一行数据。
Returns:
list: 包含单元格样式的列表。
"""
styles = [''] * len(row)
pk_cols = [col for col in row.index if col in [self.src_pk, self.tgt_pk]]
for i, col in enumerate(row.index):
if i % 2 == 0 and col not in pk_cols:
src_col = col
tgt_col = row.index[i - 1] # Adjusted to get the previous column
if row[src_col] == row[tgt_col]:
styles[i], styles[i - 1] = 'background-color:lightgreen', 'background-color:lightgreen'
elif pd.isnull(row[src_col]) or pd.isnull(row[tgt_col]):
styles[i], styles[i - 1] = 'background-color:yellow', 'background-color:yellow'
else:
styles[i], styles[i - 1] = 'background-color:lightcoral', 'background-color:lightcoral'
return styles
def calculate_status(self, row):
"""
计算状态列的值，如果所有比较的列都匹配，则为 'Pass'，否则为 'Fail'。
Args:
row (pd.Series): DataFrame 的一行数据。
Returns:
str: 'Pass' 或 'Fail'。
"""
for i in range(len(row.index) - 1, 0, -2):
src_col = row.index[i]
tgt_col = row.index[i - 1]
if row[src_col] != row[tgt_col]:
return 'Fail'
return 'Pass'
def read_and_compare(self):
"""
读取 Excel 数据，比较指定列，并添加状态列。
"""
src_df = pd.read_excel(self.src_file_name, sheet_name=self.src_sheet_name)
tgt_df = pd.read_excel(self.tgt_file_name, sheet_name=self.tgt_sheet_name)
result = src_df.merge(tgt_df, how='inner', left_on=self.src_pk, right_on=self.tgt_pk)
result_columns = [self.src_pk] + [col for pair in zip(self.src_cols_to_compare, self.tgt_cols_to_compare) for col
in pair]
result = result[result_columns]
result['Status'] = result.apply(self.calculate_status, axis=1)
result.style.apply(self.highlight_cells, axis=1).to_excel(self.target_excel)
# Example usage
comparator = ExcelComparator(
src_file_name='source.xlsx',
src_sheet_name='Sheet1',
src_pk='ID',
src_cols_to_compare=['Name', 'Salary'],
tgt_cols_to_compare=['FirstName', 'Sal'],
tgt_file_name='target.xlsx',
tgt_sheet_name='Sheet1',
tgt_pk='EMP_ID',
target_excel='result.xlsx'
)
comparator.read_and_compare()3. 代码详解
-
ExcelComparator 类：
- __init__ 方法：初始化类的各种参数，包括源文件和目标文件的文件名、工作表名、主键列名以及需要比较的列名。
- highlight_cells 方法：根据比较结果，为单元格添加背景颜色。绿色表示匹配，黄色表示空值，红色表示不匹配。
- calculate_status 方法：计算每一行的状态，如果所有比较的列都匹配，则状态为 "Pass"，否则为 "Fail"。
- read_and_compare 方法：读取源文件和目标文件的数据，使用主键列进行合并，选择需要的列，计算状态列，并使用样式突出显示单元格，最后将结果写入新的 Excel 文件。
-
示例用法：
- 创建 ExcelComparator 类的实例，并传入相应的参数。
- 调用 read_and_compare 方法，执行比较操作并生成结果文件。
4. 注意事项
- 确保源文件和目标文件存在，并且包含指定的工作表。
- 确保主键列在两个文件中都存在，并且数据类型一致。
- 确保需要比较的列在两个文件中都存在，并且数据类型可以进行比较。
- 可以根据实际需求修改代码，例如修改比较的列名、修改状态的判断逻辑、修改单元格的样式等。
- 代码中的 highlight_cells 方法使用了 style.apply 函数，可以根据需要自定义样式。
5. 总结
本文档详细介绍了如何使用 Pandas 库在 Excel 文件中添加基于列比较的状态列。通过定义 ExcelComparator 类，我们可以方便地读取 Excel 数据，比较指定列，并根据比较结果生成 "Pass" 或 "Fail" 状态。此外，我们还展示了如何使用样式突出显示比较结果，以便更直观地查看数据差异。希望本文档能够帮助您更好地使用 Pandas 处理 Excel 数据。
