Python自动化办公之Excel对比工具
Python自动化办公之Excel对比工具
xiaozhan_Python
一个有温度的 Python 订阅号！
以下文章来源于萝卜大杂烩 ，作者周萝卜
Do it by yourself！爱好Python，测试，NLP，数据分析，小程序，k8s等技术，期待与你一同成长
今天我们继续分享真实的自动化办公案例，希望各位 Python 爱好者能够从中得到些许启发，在自己的工作生活中更多的应用 Python，使得工作事半功倍！
需求
由于工作当中经常需要对比前后两个 Excel 文件，文件内容比较多，人工肉眼对比太费劲，还容易出错，搞个 Python 小工具，会不会事半功倍
运行脚本，可以把前后两个 Excel 文件当中不同的内容数据展现出来，不同 sheet 页签表示不同的数据处理结果
需求解析
不需要解析，直接干
代码实现
我们先导入两份测试数据，进行 old 和 new 的处理，注意数据中 account number 是唯一索引
old = pd.read_excel(
’sample-address-1.xlsx’
,
’Sheet1’
, na_values=[
’NA’
])
new = pd.read_excel(
’sample-address-2.xlsx’
,
’Sheet1’
, na_values=[
’NA’
])
old[
’version’
] =
"old"
new[
’version’
] =
"new"
对于我们这个小工具，主要考虑三种变化类型
哪些是新增的 account 哪些是被删除的 account 哪些是被修改的 account
对于新增和删除的 account，我们可以直接用两份数据相减即可
old_accts_all = set(old[
’account number’
])
new_accts_all = set(new[
’account number’
])
dropped_accts = old_accts_all - new_accts_all
added_accts = new_accts_all - old_accts_all
接下来我们再将所有的数据拼接到一起，并使用 drop_duplicates 来保留被修改的数据
all_data = pd.concat([old,new],ignore_index=
True
)
changes = all_data.drop_duplicates(subset=[
"account number"
,
"name"
,
"street"
,
"city"
,
"state"
,
"postal code"
], keep=
’last’
)
接下来，我们需要找出哪些 account 有重复的条目，重复的 account 表明更改了我们需要标记的字段中的值。我们可以使用重复函数来获取所有这些 account 的列表，并仅过滤掉那些重复的 account
dupe_accts = changes[changes[
’account number’
].duplicated() ==
True
][
’account number’
].tolist()
dupes = changes[changes[
"account number"
].isin(dupe_accts)]dupe_accts = changes[changes[
’account number’
].duplicated() ==
True
][
’account number’
].tolist()dupes = changes[changes[
"account number"
].isin(dupe_accts)]
现在我们将旧数据和新数据进行拆分，删除不必要的版本列并将 account 设置为索引
change_new = dupes[(dupes[
"version"
] ==
"new"
)]
change_old = dupes[(dupes[
"version"
] ==
"old"
)]
change_new = change_new.drop([
’version’
], axis=
1
)
change_old = change_old.drop([
’version’
], axis=
1
)
change_new.set_index(
’account number’
, inplace=
True
)
change_old.set_index(
’account number’
, inplace=
True
)
df_all_changes = pd.concat([change_old, change_new],
axis=
’columns’
,
keys=[
’old’
,
’new’
],
join=
’outer’
)
df_all_changes
接下来我们定义一个函数来展示从一列到另一列的变化
def
report_diff
(x)
:
return
x[
0
]
if
x[
0
] == x[
1
]
else
’{} ---> {}’
.format(*x)
def
report_diff
(x)
:
return
x[
0
]
if
x[
0
] == x[
1
]
else
’{} ---> {}’
.format(*x)
现在使用 swaplevel 函数来获取彼此相邻的旧列和新列
最后我们使用 groupby 然后应用我们自定义 report_diff 函数将两个相应的列相互比较
df_changed = df_all_changes.groupby(level=
0
, axis=
1
).apply(
lambda
frame: frame.apply(report_diff, axis=
1
))
df_changed = df_changed.reset_index()df_changed = df_all_changes.groupby(level=
0
, axis=
1
).apply(
lambda
frame: frame.apply(report_diff, axis=
1
))df_changed = df_changed.reset_index()
接下来我们需要找出被删除和新增的数据
df_removed = changes[changes[
"account number"
].isin(dropped_accts)]
df_added = changes[changes[
"account number"
].isin(added_accts)]df_removed = changes[changes[
"account number"
].isin(dropped_accts)]df_added = changes[changes[
"account number"
].isin(added_accts)]
我们可以使用单独的选项卡将所有内容输出到 Excel 文件，对应于更改、添加和删除
output_columns = [
"account number"
,
"name"
,
"street"
,
"city"
,
"state"
,
"postal code"
]
writer = pd.ExcelWriter(
"my-diff.xlsx"
)
df_changed.to_excel(writer,
"changed"
, index=
False
, columns=output_columns)
df_removed.to_excel(writer,
"removed"
,index=
False
, columns=output_columns)
df_added.to_excel(writer,
"added"
,index=
False
, columns=output_columns)
writer.save()
最后，我们就得到了最开始的效果图片展示的一个新的 Excel 文件
当然上面的代码对于毫无编程的人来说还是有一点点复杂，我们还是做成 GUI 小程序吧，这次我们使用 Tkinter 来编写 GUI 程序
我们首先导入 Tkinter 库并进行初始化
import
tkinter
from
tkinter
import
*
from
tkinter
import
Label, Button, Entry, messagebox
from
tkinter
import
filedialog
from
deal
import
deal_excel
window = tkinter.Tk()
path_file1 = StringVar()
path_file2 = StringVar()
path_path = StringVar()
window.geometry(
’380x150’
)
这里我们定义了三个 String 类型的变量，用来保存文件地址和文件夹路径
然后我们进行简单的页面排版，只需要用到 Label，Entry 和 Button 就够了
label1 = Label(window, text=
"文件1："
).grid(column=
0
, row=
0
)
txt1 = Entry(window, width=
"30"
, textvariable=path_file1).grid(column=
1
, row=
0
)
button1 = Button(window, text=
"文件选择1"
, command=selectFile1).grid(column=
2
, row=
0
)
label2 = Label(window, text=
"文件2："
).grid(column=
0
, row=
1
)
txt2 = Entry(window, width=
"30"
, textvariable=path_file2).grid(column=
1
, row=
1
)
button2 = Button(window, text=
"文件选择2"
, command=selectFile2).grid(row=
1
, column=
2
)
label3 = Label(window, text=
"新文件路径："
).grid(column=
0
, row=
2
)
txt3 = Entry(window, width=
"30"
, textvariable=path_path)
txt3.grid(column=
1
, row=
2
)
button3 = Button(window, text=
"新文件路径"
, command=selectPath).grid(row=
2
, column=
2
)
button4 = Button(window, text=
"开始处理"
, command=save_path).grid(row=
3
, column=
1
)
用于获取文件和文件夹的函数
def
selectFile1
()
:
path_ = filedialog.askopenfilename()
path_file1.set(path_)
用于保存新生成文件和提示消息的函数
def
save_path
()
:
path = txt3.get()
deal_excel(path)
res =
"对比处理完成！"
messagebox.showinfo(
’萝卜大杂烩’
, res)
这样，一个简单的 Excel 对比工具就完成啦
好了，这样我们就完成了一个简易的 GUI 拆分 PDF 文件的工具喽
喜欢就赏、点赞，转发，三连支持一下噻！
END
推荐阅读
牛逼！Python常用数据类型的基本操作（长文系列第①篇）
牛逼！Python的判断、循环和各种表达式（长文系列第②篇）
牛逼！Python函数和文件操作（长文系列第③篇）
牛逼！Python错误、异常和模块（长文系列第④篇）
推荐阅读
牛逼！Python常用数据类型的基本操作（长文系列第①篇）
牛逼！Python的判断、循环和各种表达式（长文系列第②篇）
牛逼！Python函数和文件操作（长文系列第③篇）
牛逼！Python错误、异常和模块（长文系列第④篇）