python - 我想使用 Python 检查 sheet1 中某个列上的值是否也存在于 sheet2 上

Question

几周前我开始了我的 Python 之旅。我的主要目标是能够自动化我日常工作的某些方面，并在 future 更多地研究数据科学。现在，我正在尝试制作一个脚本，该脚本将检查 sheet1 中某个列上存在的值是否也存在于 sheet2 上。我设法到达这里:

import pandas as pd
from pandas import ExcelWriter
from pandas import ExcelFile
pd.set_option('display.max_columns', 500)

df = pd.ExcelFile('C:\\Users\\Andre\\Desktop\\Scraps\\abacus.xlsx')
sheet1 = pd.read_excel(df, 'Sheet1')
sheet2 = pd.read_excel(df, 'Sheet2')

print(type(df))
print(sheet1)
print(sheet2)

df['Ref'] = df.lookup(df.index, df[sheet2['Ref']])

我知道我的最后一行是不正确的，但它也指出“ExcelFile”对象没有“查找”属性，所以我无法找到探索的路径。有人可以给我指个方向吗？

Answer 1

考虑到您的代码:

df = pd.ExcelFile('C:\\Users\\Andre\\Desktop\\Scraps\\abacus.xlsx')
sheet1 = pd.read_excel(df, 'Sheet1')
sheet2 = pd.read_excel(df, 'Sheet2')

在这里， sheet1和 sheet2是各个工作表的数据框。

您想要检查 sheet1 的特定列值是否存在于 sheet2 的同一列中。

考虑下面的例子:

In [1898]: sheet1                                                                                                                                                                                           
Out[1898]: 
   id_col1 id_col2  name  age  sex
0      101      1M   NaN   21  NaN
1      101      3M   NaN   21    M
2      102      1M  Mark   25  NaN

In [1899]: sheet2                                                                                                                                                                                           
Out[1899]: 
   id_col1 id_col2   name   age   sex
0      101      1M  Steve   NaN     M
1      101      2M    NaN   NaN     M
2      101      3M  Steve  25.0  None
3      102      1M    Ria  25.0     M
4      102      2M   Anie  22.0     F

从上面的数据框，列 id_col1存在于 sheet1 和 sheet2 中。

因此，让我们检查 id_col1 的所有值是否来自 sheet1 的存在于 id_col1表 2。

In [1900]: sheet1['id_col1'].isin(sheet2['id_col1'])                                                                                                                                                        
Out[1900]: 
0    True
1    True
2    True
Name: id_col1, dtype: bool

你可以有一个 for循环并对所有列执行相同的操作:

In [1902]: for col in sheet1.columns.tolist(): 
      ...:     print(sheet1[col].isin(sheet2[col])) 
      ...:                                                                                                                                                                                                  
0    True
1    True
2    True
Name: id_col1, dtype: bool
0    True
1    True
2    True
Name: id_col2, dtype: bool
0     True
1     True
2    False
Name: name, dtype: bool
0    False
1    False
2     True
Name: age, dtype: bool
0    False
1     True
2    False
Name: sex, dtype: bool