在日常的辦公與數(shù)據(jù)分析工作中，我們經(jīng)常會遇到這樣的需求：核對Excel表格中的兩列數(shù)據(jù)，找出它們的差異或相同點。雖然Excel自帶的 VLOOKUP 函數(shù)或條件格式也能解決部分問題，但當(dāng)數(shù)據(jù)量龐大、對比邏輯復(fù)雜，或者你需要進(jìn)行自動化處理時，Python 無疑是更高效、更強(qiáng)大的選擇。

本文將以完全零基礎(chǔ)的視角，帶你一步步使用Python完成Excel中兩列數(shù)據(jù)的對比。我們將使用Python中最強(qiáng)大的數(shù)據(jù)處理庫——pandas。

1. 準(zhǔn)備工作 (Prerequisites)

在開始編寫代碼之前，我們需要準(zhǔn)備好開發(fā)環(huán)境和測試數(shù)據(jù)。

1.1 安裝Python與必要的第三方庫

確保你的電腦上已經(jīng)安裝了Python。接下來，我們需要安裝兩個關(guān)鍵的庫：

• pandas：用于數(shù)據(jù)處理和分析的核心庫。
• openpyxl：用于讀取和寫入 .xlsx 格式的Excel文件。

打開你的命令行工具（Windows用戶打開CMD或PowerShell，Mac用戶打開終端 Terminal），輸入以下命令并回車：

pip install pandas openpyxl

1.2 準(zhǔn)備測試數(shù)據(jù)

為了方便演示，請在你的電腦桌面上新建一個名為 data.xlsx 的Excel文件，并在其中創(chuàng)建兩列數(shù)據(jù)，表頭分別為 列A 和 列B：

將該文件保存在與你即將編寫的Python腳本相同的文件夾目錄下。

2. 分步操作指南 (Step-by-Step Guide)

我們將通過四個簡單的步驟，完成數(shù)據(jù)的讀取、對比和結(jié)果導(dǎo)出。

步驟 1：導(dǎo)入庫并讀取Excel文件

首先，我們需要讓Python“看到”我們的Excel數(shù)據(jù)。

import pandas as pd

# 讀取Excel文件
# 注意：確保 data.xlsx 與你的Python代碼在同一個文件夾
df = pd.read_excel('data.xlsx')

# 打印數(shù)據(jù)，檢查是否讀取成功
print("原始數(shù)據(jù)：")
print(df)

步驟 2：基礎(chǔ)對比（判斷同行數(shù)據(jù)是否一致）

最常見的需求是：檢查同一行中，列A 和 列B 的數(shù)據(jù)是否完全一樣。我們可以在表格后面新增一列 對比結(jié)果 來顯示。

# 判斷列A和列B是否相等，結(jié)果會生成 True 或 False
df['對比結(jié)果'] = df['列A'] == df['列B']

# 為了讓結(jié)果更直觀，我們可以將 True/False 替換為中文描述
df['對比結(jié)果'] = df['對比結(jié)果'].map({True: '相同', False: '不同'})

print("\n同行對比后的數(shù)據(jù)：")
print(df)

步驟 3：交叉對比（找出一列中有，另一列中沒有的數(shù)據(jù)）

有時候，數(shù)據(jù)不是按行對應(yīng)的。我們想知道：列A中存在，但列B中不存在的數(shù)據(jù)有哪些？

# 使用 isin() 函數(shù)判斷列A的數(shù)據(jù)是否在列B中
# ~ 符號表示“取反”（即不存在于列B中）
diff_A_not_in_B = df[~df['列A'].isin(df['列B'])]

print("\n在列A中但不在列B中的數(shù)據(jù)：")
print(diff_A_not_in_B['列A'].tolist())

步驟 4：將結(jié)果導(dǎo)出為新的Excel文件

處理完數(shù)據(jù)后，我們需要將結(jié)果保存下來，而不是僅僅打印在屏幕上。

# 將包含對比結(jié)果的 DataFrame 保存為新的 Excel 文件
# index=False 表示不保存行索引（即最左側(cè)的 0, 1, 2, 3...）
df.to_excel('result.xlsx', index=False)
print("\n對比完成！結(jié)果已保存至 result.xlsx")

完整代碼 (Complete Code)

將以上步驟整合，你可以直接復(fù)制以下代碼運(yùn)行：

import pandas as pd

def compare_excel_columns():
    # 1. 讀取數(shù)據(jù)
    print("正在讀取數(shù)據(jù)...")
    df = pd.read_excel('data.xlsx')
    
    # 2. 清理數(shù)據(jù)（去除不可見的空格，防止比對出錯）
    df['列A'] = df['列A'].astype(str).str.strip()
    df['列B'] = df['列B'].astype(str).str.strip()
    
    # 3. 同行比對
    df['同行是否相同'] = df['列A'] == df['列B']
    df['同行是否相同'] = df['同行是否相同'].map({True: '相同', False: '不同'})
    
    # 4. 交叉比對
    df['是否在列B中存在'] = df['列A'].isin(df['列B']).map({True: '存在', False: '不存在'})
    
    # 5. 導(dǎo)出結(jié)果
    df.to_excel('result.xlsx', index=False)
    print("對比完成！請查看當(dāng)前目錄下的 result.xlsx 文件。")

if __name__ == "__main__":
    compare_excel_columns()

3. 常見踩坑與注意事項 (Common Pitfalls)

對于新手來說，即使代碼完全正確，也可能因為數(shù)據(jù)本身的問題導(dǎo)致對比結(jié)果不符合預(yù)期。以下是三個最常見的“坑”：

1.隱藏的空格 (Leading/Trailing Spaces)：在Excel中錄入數(shù)據(jù)時，很容易不小心多敲一個空格。計算機(jī)在對比時，"蘋果" 和 "蘋果 "（帶空格）會被認(rèn)為是完全不同的兩個詞。

解決方案： 在對比前，使用 .str.strip() 方法去除字符串兩端的空格（如上方完整代碼中的步驟2所示）。

2.大小寫敏感 (Case Sensitivity)：對于英文字母，Python默認(rèn)是區(qū)分大小寫的（Apple 不等于 apple）。

解決方案： 可以在對比前將所有字母統(tǒng)一轉(zhuǎn)換為小寫：df['列A'].str.lower() == df['列B'].str.lower()。

3.數(shù)據(jù)類型不一致 (Data Type Mismatch)：有時候列A中的 123 是數(shù)字類型，而列B中的 123 是文本類型。這會導(dǎo)致對比結(jié)果為“不同”。

解決方案： 在對比前，使用 .astype(str) 強(qiáng)制將兩列都轉(zhuǎn)換為字符串格式。

4. 總結(jié)與學(xué)習(xí)資源 (Conclusion & Resources)

通過本文，你已經(jīng)掌握了如何使用Python和 pandas 庫來讀取Excel文件、進(jìn)行同行的精準(zhǔn)對比、交叉查找差異，并將最終結(jié)果導(dǎo)出。相比于手動核對，Python不僅速度極快，還能徹底避免人為眼花的失誤。

當(dāng)你熟悉了這些基礎(chǔ)操作后，你可以嘗試處理擁有幾十萬行數(shù)據(jù)的表格，你會發(fā)現(xiàn)Python的運(yùn)行速度依然只需幾秒鐘。

到此這篇關(guān)于Python代碼輕松實現(xiàn)Excel兩列數(shù)據(jù)對比的文章就介紹到這了,更多相關(guān)Python Excel數(shù)據(jù)對比內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！