基于Email列对比两个DataFrame，识别新增与删除用户

我们公司每月生成两张付费应用用户数据Excel表，需以Email作为唯一标识，筛选出本月新增用户列表及上月已删除用户列表。以下是数据示例、期望输出及当前无法得到正确结果的Pandas代码：

数据示例 #

上月DataFrame #

本月DataFrame #

期望输出 #

本月新增用户（DF_Added） #

上月已删除用户（DF_Removed） #

当前问题代码 #

LastMonth = Path.cwd() / "./tempwork/UserReport_June.xlsx"
ThisMonth = Path.cwd() / "./tempwork/UserReport_July.xlsx"
df_LastMonth = pd.read_excel(LastMonth)
df_ThisMonth = pd.read_excel(ThisMonth)
df_changed  = pd.merge(df_LastMonth, df_ThisMonth, on="Email", 
how='outer', indicator='Exist')
df_changed  = df_changed.loc[df_changed['Exist'] != 'both']
df_changed.to_excel("./tempwork/changed.xlsx")

解决方案 #

原代码的问题在于外连接后会生成带_x/_y后缀的重复列，且未拆分新增/删除用户列表，导致输出结构混乱。以下是修正后的代码：

from pathlib import Path
import pandas as pd

LastMonth = Path.cwd() / "./tempwork/UserReport_June.xlsx"
ThisMonth = Path.cwd() / "./tempwork/UserReport_July.xlsx"
df_LastMonth = pd.read_excel(LastMonth)
df_ThisMonth = pd.read_excel(ThisMonth)

# 外连接并标记用户存在状态
df_changed = pd.merge(df_LastMonth, df_ThisMonth, on="Email", how='outer', indicator='Exist')

# 提取上月存在、本月不存在的删除用户，保留上月数据
df_Removed = df_changed[df_changed['Exist'] == 'left_only'].rename(columns={
    'UserName_x': 'UserName',
    'Type_x': 'Type',
    'Number Of Licenses_x': 'Number Of Licenses'
})[['UserName', 'Email', 'Type', 'Number Of Licenses']]

# 提取本月存在、上月不存在的新增用户，保留本月数据
df_Added = df_changed[df_changed['Exist'] == 'right_only'].rename(columns={
    'UserName_y': 'UserName',
    'Type_y': 'Type',
    'Number Of Licenses_y': 'Number Of Licenses'
})[['UserName', 'Email', 'Type', 'Number Of Licenses']]

# 分别导出结果
df_Added.to_excel("./tempwork/added_users.xlsx", index=False)
df_Removed.to_excel("./tempwork/removed_users.xlsx", index=False)

说明 #

• 通过Exist列的left_only筛选出上月有、本月无的删除用户，保留上月的用户字段；
• 通过right_only筛选出本月有、上月无的新增用户，保留本月的用户字段；
• 重命名列并保留需要的字段，确保输出结构与期望一致；
• 分别导出新增和删除用户列表到独立文件，便于后续使用。

内容的提问来源于stack exchange，提问作者Dinerz