如何用Python按匹配ID将数据从一个电子表格复制到另一个？

优先方案：Pandas（高效无需手动迭代） #

Pandas的向量化操作和合并功能可以彻底避免手动遍历行的繁琐，完美解决数据存储、迭代的问题。

步骤分解 #

1. 读取两个Excel文件，转为DataFrame格式
2. 将File2的ID与对应Field4/5数据构建成映射字典（或直接用合并方法）
3. 用映射或合并逻辑填充File1的空白列
4. 保存结果文件

代码实现（映射字典版） #

import pandas as pd

# 读取文件，替换为你的实际列名（比如ID列叫"用户ID"，Field4叫"地址"等）
df1 = pd.read_excel("File1.xlsx")
df2 = pd.read_excel("File2.xlsx")

# 构建ID到Field4/5的映射字典，一次性加载所有数据，避免反复查询
id_to_fields = df2.set_index("ID")[["Field4", "Field5"]].to_dict("index")

# 仅填充空白单元格，保留原有非空数据
df1["Field4"] = df1.apply(
    lambda row: id_to_fields.get(row["ID"], {}).get("Field4") if pd.isna(row["Field4"]) else row["Field4"],
    axis=1
)
df1["Field5"] = df1.apply(
    lambda row: id_to_fields.get(row["ID"], {}).get("Field5") if pd.isna(row["Field5"]) else row["Field5"],
    axis=1
)

# 保存结果（建议存新文件，避免覆盖原文件）
df1.to_excel("File1_filled.xlsx", index=False)

代码实现（合并版，更简洁） #

如果不需要保留原空白列的严格判断，用左合并更高效：

import pandas as pd

df1 = pd.read_excel("File1.xlsx")
df2 = pd.read_excel("File2.xlsx")

# 提取File2中需要的列，避免合并后多出无关数据
df2_clean = df2[["ID", "Field4", "Field5"]]

# 左合并：保留File1所有行，匹配File2的数据
merged_df = df1.merge(df2_clean, on="ID", how="left", suffixes=("", "_from_file2"))

# 填充空白：用File2的数据替换原空白，非空值保留
merged_df["Field4"] = merged_df["Field4"].fillna(merged_df["Field4_from_file2"])
merged_df["Field5"] = merged_df["Field5"].fillna(merged_df["Field5_from_file2"])

# 删除临时列并保存
merged_df.drop(columns=["Field4_from_file2", "Field5_from_file2"], inplace=True)
merged_df.to_excel("File1_filled.xlsx", index=False)

备选方案：OpenPyXL（手动迭代，适合精细控制） #

如果你需要逐行操作的场景，先将File2的数据预存到字典（解决反复遍历的性能问题），再处理File1。

步骤分解 #

1. 加载两个Excel工作簿，获取对应工作表
2. 一次性读取File2的ID与Field4/5数据，存入字典（避免每次查询都遍历File2）
3. 遍历File1的每一行，仅填充空白的Field4/5单元格
4. 保存修改后的File1

代码实现 #

from openpyxl import load_workbook
import pandas as pd

# 加载工作簿：File1需可写模式，File2只读即可
wb1 = load_workbook("File1.xlsx", read_only=False)
ws1 = wb1.active

wb2 = load_workbook("File2.xlsx", read_only=True)
ws2 = wb2.active

# 读取File2的表头，自动匹配列索引（避免硬编码列位置）
headers = [cell.value for cell in ws2[1]]
id_col = headers.index("ID")
field4_col = headers.index("Field4")
field5_col = headers.index("Field5")

# 构建ID到Field4/5的映射字典
id_data = {}
for row in ws2.iter_rows(min_row=2, values_only=True):
    id_val = row[id_col]
    id_data[id_val] = (row[field4_col], row[field5_col])

# 遍历File1的行，填充空白单元格
for row in ws1.iter_rows(min_row=2):
    current_id = row[id_col].value
    field4_cell = row[field4_col]
    field5_cell = row[field5_col]
    
    # 仅填充空白单元格
    if pd.isna(field4_cell.value) or field4_cell.value is None:
        field4_cell.value = id_data.get(current_id, (None, None))[0]
    if pd.isna(field5_cell.value) or field5_cell.value is None:
        field5_cell.value = id_data.get(current_id, (None, None))[1]

# 保存修改
wb1.save("File1_filled.xlsx")

关键注意事项 #

• 列名/列索引：务必替换为你实际的列名，避免硬编码错误
• 数据备份：操作前备份原文件，防止数据丢失
• 不匹配ID：两种方案都会保留原空白，不会强制填充不存在的ID数据

内容的提问来源于stack exchange，提问作者csaunders