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
