Python中的匹配[关闭]答案

【问题标题】：Match in Python [closed]Python中的匹配[关闭]
【发布时间】：2013-11-13 13:07:01
【问题描述】：

我有两个 Excel 文件。两个文件也有大约 200 000 行。（我在例子中只给出了六行。）

file1.xlsx

  M1          M2          M3        M4
97.1859   -59.1873     0.000912    4.55
63.116    -75.958      0.003797    20.85
112.09    -22.9276     0.005008    2.26
320.7931  -63.4153     0.008382    7.45
337.8978  -72.8617     0.009965    3.88
99.2183   -56.5418     0.018141    18.17

file2.xlsx

 N1        N2      N3     N4       N5          N6
0.057      4       Im    6.61    0.005008    38.85929
0.065      36      Im    9.27    0.003797   -19.4988
0.062      68      Im    8.06    0.008382   -51.8935
0.066      46      Im    8.55    0.009965   -40.5912
                   Im    9.1     0.000912     1.089013
0.075      32      Im    12.31   0.018141     3.946489

M3(in file1) 和 N5(in file2) 列相同。

根据 M3-N5 列，我想匹配这两个文件并在 Python 中创建第三个文件（输出文件）。

输出.xlsx

   M1        M2          M3-N5       M4    N1     N2   N3    N4          N5
97.1859   -59.1873     0.000912    4.55                Im    9.1       1.089013
63.116    -75.958      0.003797    20.85  0.065   36   Im    9.27    -19.4988
112.09    -22.9276     0.005008    2.26   0.057    4   Im    6.61     38.85929
320.7931  -63.4153     0.008382    7.45   0.062   68   Im    8.06    -51.8935
337.8978  -72.8617     0.009965    3.88   0.066   46   Im    8.55    -40.5912
99.2183   -56.5418     0.018141    18.17  0.075   32   Im    12.31     3.946489

我在一个名为 TOPCAT 的程序中做过，但我想在 Python 中做比较。但是我已经开始使用新的 Python，所以我无法编写详细的代码。

我该怎么做？我可以通过哪些代码？

任何帮助或建议将不胜感激。

谢谢。

【问题讨论】：

感谢您提供输入和输出数据。它使您的问题非常清楚。为了帮助您，理想情况下，我们还需要查看您尝试过的内容以及您卡在哪里。但是，我的建议是根本不要使用 Python，而只需将其导入数据库（例如 sqlite、mysql、postgresql）并通过连接两个表的查询获取输出。我不知道如果你尝试加入花车会发生什么 - 如果你看，可能有一个简单的方法。
如果您必须在 Python 中执行此操作，您应该查看 pandas 库。

标签： python excel compare match

【解决方案1】：

使用Pandas，您可以执行以下任务：

import pandas as pd
df1 = pd.read_excel('file1.xlsx', 'Sheet1')
df1.sort(columns='M3')

df2 = pd.read_excel('file2.xlsx', 'Sheet1')
df2.sort(columns='N5')

df3 = pd.concat((df1, df2), axis=1)

df3 = df3.sort(axis=1)

df3.to_excel('output.xlsx')

注意：如果您使用@joaquin 的回答中解释的set_index，则不需要上述排序操作...

【讨论】：

ExcelFile + parse 在 pandas 中已被弃用。使用 read_excel
谢谢！我会更新答案...
另外，您必须将数据帧索引分别设置为列 M3 和 N5，否则将不起作用。看我的回答。
列名 'M3-N5' 并不意味着一个 substration，只是连字符的名称。您不需要创建此列，因为它将是 excel 文件（索引）中的第一列，也不需要删除“M3”。
你是对的！我已经更新了答案，并添加了它们必须在连接之前进行排序的事实......谢谢！

【解决方案2】：

使用熊猫。

读取de文件：

dfi = pandas.read_excel('myexcel_i')

将公共列（用作连接引用的列）设为数据帧索引：

dfi = dfi.set_index(my_column)

加入两个擅长

df = pandas.concat([df1, df2], axis=1)

保存到新文件：

df.to_excel('myfile.xlsx')

【讨论】：

@SaulloCastro 它们按索引合并。你不需要对它们进行线条化。
谢谢！很高兴知道！
@SaulloCastro 有点我们的答案正在趋同 ;-)

【解决方案3】：

在python中处理excel文件，一般有两种做法：

使用win32com。这是一个用于控制 Excel、Word、Outlook 等 Windows 程序的 API。

基本流程简单易懂，如下所示：

import win32com.client
excel = win32com.client.Dispatch('Excel.Application')

从那里您可以使用 excel 原生命令，例如：

excel.Visible = True #show the excel
excel.Workbooks.Add() #open a workbook
print excel.Cells(1, 1).Value #print the value of a cell at position 1, 1

这在你需要使用一些excel相关功能的时候特别好（因为它只是一个通过python控制excel的系统）。但是，您可能会更喜欢...

使用 xlrd 和 xlwt（分别代表 excel-read 和 excel-write）。使用这些库，您可以使用更简单的 pythonic 风格的语言读取和写入 excel，还可以访问任何 excel 类型的文件（包括 OpenOffice 的“excel”表等）。

您一定要查看documentation for both libraries，但这里有一个简单的例子：

import xlrd
workbook = xlrd.open_workbook('my_workbook.xls')
worksheet = workbook.sheet_by_name('Sheet1')

另外，请查看examples here，并在 Google 上搜索一下以了解如何使用它们。

当您最终决定要采用的方法时，请尽最大努力解决它，如果您的代码有问题或者它不能像您一样正常工作，请回到这里，向我们展示您的代码，肯定有人会帮助你。祝你好运！

【讨论】：