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 旅程。 我的主要目标是能够自动化我日常工作的某些方面，并在未来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不正确，但它也指出“ExcelFile”object 没有属性“lookup”，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')

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

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

因此，让我们检查一下 sheet1 中id_col1的所有值是否都存在于 sheet2 的id_col1中。

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

您可以有一个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