如何在for循环外部使用循环生成的DataFrame进行文件对比？

原代码的核心问题 #

你当前的循环里每次都会创建新的pd.DataFrame覆盖blob_list，导致循环结束后blob_list仅保留最后一个遍历到的文件名，无法实现批量对比。

修正步骤与完整代码 #

1. 正确收集GCS存储桶中的所有文件名 #

先初始化空列表存储所有文件名，遍历桶内文件时将文件名追加到列表，最后统一转为DataFrame：

# 初始化空列表存储所有GCS文件名
blob_names = []
for folderName in bucketFolder:
    blob_path = storage_client.list_blobs(bucketName, prefix=folderName)
    for blob in blob_path:
        # 提取文件名（去掉路径部分）
        filename = str(blob.name).rsplit("/", 1)[-1]
        blob_names.append(filename)

# 转换为DataFrame，指定列名方便后续对比
blob_list = pd.DataFrame(blob_names, columns=['Blob_Filename'])

2. 读取Excel中的文件名列表 #

这部分代码可以保留，建议统一列名风格：

spreadsheet_filenames = pd.read_excel(spreadsheetFile, usecols=['Filename'])
# 可选：统一列名，避免后续混淆
spreadsheet_filenames = spreadsheet_filenames.rename(columns={'Filename': 'Excel_Filename'})

3. 对比两者的缺失值 #

找出GCS中有但Excel中没有的文件

# 标记GCS文件是否在Excel中存在
blob_list['Exists_in_Excel'] = blob_list['Blob_Filename'].isin(spreadsheet_filenames['Excel_Filename'])
# 提取缺失的文件
gcs_missing_in_excel = blob_list[~blob_list['Exists_in_Excel']]

找出Excel中有但GCS中没有的文件

# 标记Excel文件是否在GCS中存在
spreadsheet_filenames['Exists_in_GCS'] = spreadsheet_filenames['Excel_Filename'].isin(blob_list['Blob_Filename'])
# 提取缺失的文件
excel_missing_in_gcs = spreadsheet_filenames[~spreadsheet_filenames['Exists_in_GCS']]

（可选）模糊匹配场景

如果需要判断GCS文件名是否包含在Excel文件名中（而非完全匹配），可以保留你原有的逻辑并调整为批量处理：

# 标记GCS文件名是否在任意Excel文件名中出现
blob_list['Exists_in_Excel'] = blob_list['Blob_Filename'].apply(
    lambda s1: spreadsheet_filenames['Excel_Filename'].str.contains(s1).any()
)

注意事项 #

• 若存在大小写、空格、文件后缀差异，建议先统一处理（比如转小写、去除首尾空格、统一后缀格式）
• 文件数量较多时，isin比逐行apply的效率更高，优先使用前者做完全匹配

内容的提问来源于stack exchange，提问作者Pete