基于python对两个乱序xlsx表格文件快速映射

尹晓甜

已于 2024-04-25 01:10:01 修改

阅读量313

点赞数 7

文章标签： python 开发语言

于 2024-04-25 00:54:54 首次发布

本文链接：https://blog.csdn.net/qq_45073592/article/details/138173619

版权

本文介绍如何使用Python的Pandas库处理两个Excel文件，当文件中存在相同但排列顺序不同的数据时，通过词这一列进行匹配并更新其他列的值。具体步骤包括读取文件、查找重复值、设置索引并应用映射表。

摘要由CSDN通过智能技术生成

如果两个文件，有重复的数据，但排列顺序不同。数据量庞大时，手动一一映射显然不可能，如何使用python快速将表A的数据与表B的数据基于某列的字段名称进行匹配，映射其他列的数值？

举一个列子，假设目标映射文件如下图所示。我们需要把2020.xlsx文件中对应的词频映射到这一个总文件中，可2020.xlsx文件与总文件顺序不符，不能直接复制。如何快速实现？

代码如下：

import pandas as pd

# 读取两个Excel文件
df_2019 = pd.read_excel('2020.xlsx')
df_competitive = pd.read_excel('词频汇总.xlsx')
print(df_2019.columns)
print(df_competitive.columns)
duplicates = df_2019[df_2019.duplicated(subset='词', keep=False)]
if not duplicates.empty:
    print("关键字段列存在重复值:")
    print(duplicates)
else:
    print("关键字段列无重复值")

assert '词' in df_2019.columns and '对应频次' in df_2019.columns
assert '词' in df_competitive.columns and '2020年' in df_competitive.columns


df_map = df_2019[['词', '对应频次']].set_index('词')

df_competitive['2020年'] = df_competitive['词'].map(df_map['对应频次'])

df_competitive['2020年'].fillna(0, inplace=True)


df_competitive.to_excel('映射后.xlsx', index=False)

同2020年数据的映射方式，将五年表格数据分别映射到汇总后的文件中，映射后效果如下：