用Python进行Excel差异比较

Question

我在找一个算法，用来比较两个Excel表格的列名，使用Python来实现。

我不知道这些列具体是什么，所以一个表格可能会有额外的列，或者两个表格中可能有多个列的名字是一样的。

最简单的情况是，第一个表格中的一列只对应第二个表格中的一列。这样我就可以用xlrd来对那一列的行进行比较。如果列名不唯一，我可以检查这些列的位置是否相同。

有没有人知道有没有现成的算法，或者在这个领域有经验的？

Answer 1

快速而简单：

# Since order of the names doesn't matter, we can use the set() option
matching_names = set(sheet_one_names) & set(sheet_one_names)
...
# Here, order does matter since we're comparing rowdata..
# not just if they match at some point.
matching_rowdata = [i for i, j in zip(columndata_one, columndata_two) if i != j]

注意：这假设你已经提前做了一些准备工作，

1. 通过 xlrd 获取第一个表的列名，第二个表也是如此，
2. 将两个表的行数据分别存储在两个不同的变量中。

这样做是为了让你有个大概念。

另外，注意使用 [...] 选项（第二种方法）时，行的长度必须相同，否则会被跳过。这是一种不匹配的情况，反过来获取数据流中的匹配项。

这是一个较慢但可行的解决方案：

column_a_name = ['Location', 'Building', 'Location']
column_a_data = [['Floor 1', 'Main', 'Sweden'],
                ['Floor 2', 'Main', 'Sweden'],
                ['Floor 3', 'Main', 'Sweden']]

column_b_name = ['Location', 'Building']
column_b_data = [['Sweden', 'Main', 'Floor 1'],
                ['Norway', 'Main', 'Floor 2'],
                ['Sweden', 'Main', 'Floor 3']]

matching_names = []
for pos in range(0, len(column_a_name)):
    try:
        if column_a_name[pos] == column_b_name[pos]:
            matching_names.append((column_a_name[pos], pos))
    except:
        pass # Index out of range, column length are not the same

mismatching_data = []
for row in range(0, len(column_a_data)):
    rowa = column_a_data[row]
    rowb = column_b_data[row]

    for name, _id in matching_names:
        if rowa[_id] != rowb[_id] and (rowa[_id] not in rowb or rowb[_id] not in rowa):
            mismatching_data.append((row, rowa[_id], rowb[_id]))

print mismatching_data