基于Pandas实现Excel新旧编码批量匹配转换的自动化方案问询

针对你需要将Sheet1的Old_Codes与Sheet2的Old_Codes匹配，并填充对应New_Codes的需求，这里提供两种比手动操作简洁高效的Pandas实现方案，完全替代文本分列、手动筛选替换的繁琐流程：

方案一：使用merge（通用场景，支持重复编码） #

如果Sheet2中存在重复的Old_Codes值，merge会自动保留所有匹配结果，适合需要处理多对多映射的场景：

import pandas as pd

# 读取Excel文件的两个工作表
df_sheet1 = pd.read_excel("你的文件路径.xlsx", sheet_name="Sheet1")
df_sheet2 = pd.read_excel("你的文件路径.xlsx", sheet_name="Sheet2")

# 左连接匹配，仅保留Sheet2中需要的编码列，避免引入无关数据
df_sheet1 = df_sheet1.merge(
    df_sheet2[["Old_Codes", "New_Codes"]],
    on="Old_Codes",
    how="left"  # 保证Sheet1的所有行都被保留，未匹配的New_Codes显示为NaN
)

# 将结果保存回Excel（可选择覆盖原文件或保存为新文件）
df_sheet1.to_excel("更新后的文件.xlsx", sheet_name="Sheet1", index=False)

方案二：使用map（高效单映射场景） #

如果Sheet2中的Old_Codes是唯一值（每个旧编码对应唯一新编码），map的执行效率更高，代码也更简洁：

import pandas as pd

df_sheet1 = pd.read_excel("你的文件路径.xlsx", sheet_name="Sheet1")
df_sheet2 = pd.read_excel("你的文件路径.xlsx", sheet_name="Sheet2")

# 将Sheet2转换为"旧编码:新编码"的字典
code_mapping = df_sheet2.set_index("Old_Codes")["New_Codes"].to_dict()

# 直接为Sheet1添加New_Codes列并完成映射
df_sheet1["New_Codes"] = df_sheet1["Old_Codes"].map(code_mapping)

# 保存结果
df_sheet1.to_excel("更新后的文件.xlsx", sheet_name="Sheet1", index=False)

优势说明 #

• 两种方案都能一键完成批量匹配，避免手动操作的失误，数据量越大效率提升越明显
• 未匹配到的编码会自动填充为NaN，方便后续快速识别处理

内容的提问来源于stack exchange，提问作者Boomer