python - 使用 pandas 比较两个 Excel 文件

Question

我有两个 Excel 文件，A 和 B。A 是主副本，其中提供了员工姓名和组织名称(Name 和 Org)的更新记录。文件 B 包含具有较旧记录的 Name 和 Org 列以及许多我们不感兴趣的其他列。

   Name      Org
0   abc    ddc systems
1   sdc    ddc systems
2   csc    ddd systems
3   rdc    kbf org
4   rfc    kbf org

我想对此进行两个操作:

1) 我想将 Excel B(列 Name 和 Org)与 Excel A(列 Name 和 Org)并使用 Name 和相应 Org 的所有缺失条目更新文件 B。

2) 对于文件 B 中的所有现有条目(列 Name 和 Org)，我想将文件 和 与文件 A 进行比较并更新 Org 列(如果任何员工组织发生更改)。

对于解决方案 1)，要找到尝试以下方法的新条目(但不确定这种方法是否正确)，输出是元组，我不确定如何更新回 DataFrame。

diff = set(zip(new_df.Name, new_df.Org)) - set(zip(old_df.Name, old_df.Org))

任何帮助将不胜感激。谢谢。

Answer 1

如果名称是唯一的，只需连接 A 和 B，并删除重复项。假设 A 和 B 是您的 DataFrame，

df = pd.concat([A, B]).drop_duplicates(subset=['Name'], keep='first')

或者，

A = A.set_index('Name')
B = B.set_index('Name')

idx = B.index.difference(A.index)
df = pd.concat([A, B.loc[idx]]).reset_index()

两者在性能方面应该大致相同。