秒匹配2张几万行级Excel表并输出任一列值已变更的行，保存成新的表格

2张Excel表，分别是不同日期的客户信息表，每份表大约有几万行，各列是每一个客户的账号、名称、证件号码、地址、电话等。抽几行数据看看:
现在，需要快速找出同一个账号的客户，其对应的法人姓名、证件号码或地址、电话等信息是否发生了变更（如，第二份表格红色单元格），按往常Excel表格处理，首先要打开表格，使用vlookup函数逐列对应进行调用、匹配，或者使用if两两判断是否相同，…最后再逐列筛选出变化的数据，复制粘贴后另保存…
等一下，利用Python的pandas数据处理，将两份表格存放在D盘文件夹测试数据的目录下，book1.xlsx和book2.xlsx，然后运行一下程序，几秒钟就筛选出结果了。先看看代码吧。

import pandas as pd

data1 =  r'D:\测试数据\book1.xlsx'  #指定一个表格，原始数据表
data2 =  r'D:\测试数据\book2.xlsx'  #指定一个表格，更新后的数据表
 
def compare_data(data1, data2):
    # 读取两个表
    dt1 = pd.read_excel(data1, sheet_name=0,dtype=object,na_rep="")#导入原始数据表
    dt2 = pd.read_excel(data2, sheet_name=0,dtype=object,na_rep="")#导入更新后的数据表    
    # 确定需要进行对比的列，主key字段名
    dt1_name = dt1['账号'].values.tolist()
    dt2_name = dt2['账号'].values.tolist()
    count = 0
    for i in dt1_name:
        if i in dt2_name:
            dt1_row = dt1.loc[dt1['账号'] == i]
            dt2_row = dt2.loc[dt2['账号'] == i]
            # 可以选择不做比较的列
            dt1_row_ = dt1_row.loc[:, dt1_row.columns.difference(['证件类型','数据日期'])]
            dt2_row_ = dt2_row.loc[:, dt2_row.columns.difference(['证件类型','数据日期'])]
            # 判断两行是否内容一致
            if dt1_row_.equals(dt2_row_):
                pass
            else:
                # count计数
                count += 1
                # 导入要保存的文件名，mode='a'可以控制连续写入csv文件。
                #dt1_row.to_csv(r'D:\测试数据\test1.csv', index=False,mode='a', header=None,encoding='utf-8_sig')
                dt2_row.to_csv(r'D:\测试数据\test2.csv',index=False,mode='a',header=None,encoding='utf-8_sig')
 
        else:
            print("匹配失败的账号：", i)
    
    # 同理，可以反过来比较一下
    for j in dt2_name:
        if j not in dt1_name:
            print("匹配失败的账号：", j)
    
    print("匹配完成！")
    print('测试不同的样本数为：', count)

compare_data(data1,data2)

就这样了，已经筛选出下面的新表格，保存在同一个文件夹中，新生成一个csv文件。看看是否满意。

>>> 
==================== RESTART: D:/2021年报告/匹配两份表的单元格是否不同.py ====================
匹配失败的账号： 36020006
匹配失败的账号： 36020005
匹配完成！
测试不同的样本数为： 3
>>> 

共发现了3个账户所对应的信息已发生了变更，如下表：

接下来，可以利用输出的名单作为监测目标，开展下一步的追踪工作…