如何基于df_text最新数据更新df_excel对应日期列的状态？

现有两个DataFrame：df_text与df_excel，需实现以下逻辑：

• 提取df_text中end列的最新日期（示例为2023-02-12）
• 匹配df_excel中的对应日期列
• 将df_text中该最新日期对应Name的status写入df_excel的对应单元格

示例数据 #

df_text

Name    start                 end              status
0   N1  2023-02-08 02:01:45 2023-02-08 08:15:01 completed
1   N2  2023-02-09 06:04:25 2023-02-09 10:35:50 completed
2   N1  2023-02-09 06:04:25 2023-02-09 10:35:50 completed
3   N1  2023-02-10 13:46:01 2023-02-10 16:35:50 completed
4   N4  2023-02-10 16:35:25 2023-02-10 19:35:50 started
5   N1  2023-02-11 16:35:25 2023-02-11 19:35:50 completed
6   N3  2023-02-11 16:35:25 2023-02-11 19:35:50 completed
7   N2  2023-02-11 16:35:25 2023-02-11 19:35:50 started
8   N4  2023-02-12 18:54:03 2023-02-12 23:53:09 completed

df_excel

Unnamed: 0 2023-02-08 00:00:00 2023-02-09 00:00:00  ... 2023-02-12 00:00:00 2023-02-13 00:00:00 2023-02-14 00:00:00
0         N1           Completed           Completed  ...             Waiting             Waiting             Waiting
1         N2             Waiting           Completed  ...             Waiting             Waiting             Waiting
2         N3             Waiting             Waiting  ...             Waiting             Waiting             Waiting
3         N4             Waiting             Waiting  ...             Waiting             Waiting             Waiting
4         N5             Waiting             Waiting  ...             Waiting             Waiting             Waiting

示例中，df_text最新end日期为2023-02-12，对应Name为N4，status为completed，需将df_excel中N4行的2023-02-12列单元格从Waiting改为completed。

用户已编写基础读取脚本：

import os
import pandas as pd
import openpyxl
import time
df_text = pd.read_csv('data/text.txt', sep='|',
                      skiprows=(0, 2,)).iloc[:, 1:].applymap(str.strip)
df_excel = pd.read_excel('data/excel.xlsx', skiprows=1)
print(df_excel)

完整实现脚本 #

以下是实现需求的完整代码，每一步都有注释说明：

import pandas as pd

# 读取数据（保留用户原有读取逻辑）
df_text = pd.read_csv('data/text.txt', sep='|', skiprows=(0, 2)).iloc[:, 1:].applymap(str.strip)
df_excel = pd.read_excel('data/excel.xlsx', skiprows=1)

# 1. 处理df_text的日期，提取最新日期
# 将end列转为datetime类型，方便日期比较
df_text['end'] = pd.to_datetime(df_text['end'])
# 提取日期部分（去掉时分秒），并找到最大的日期
latest_date = df_text['end'].dt.date.max()
# 转换为和df_excel列名一致的格式（带00:00:00的datetime）
latest_date_col = pd.to_datetime(latest_date)

# 2. 筛选最新日期对应的所有记录
latest_records = df_text[df_text['end'].dt.date == latest_date]

# 3. 设置df_excel的索引为Name列，方便按Name定位
df_excel.set_index('Unnamed: 0', inplace=True)

# 4. 遍历最新记录，更新df_excel对应单元格
for _, row in latest_records.iterrows():
    name = row['Name']
    status = row['status']
    # 确保Name存在于df_excel的索引中，避免报错
    if name in df_excel.index and latest_date_col in df_excel.columns:
        # 更新单元格，注意status首字母大写对齐原表格格式
        df_excel.at[name, latest_date_col] = status.capitalize()

# 5. 将更新后的df_excel保存回文件（覆盖原文件或保存为新文件）
df_excel.to_excel('data/updated_excel.xlsx')
print("更新完成，已保存为updated_excel.xlsx")

关键说明 #

• 日期格式统一：将df_text的end列转为datetime类型，提取日期部分后再转为和df_excel列名一致的datetime格式，确保匹配准确
• 多记录处理：如果同一天有多个Name的状态更新，脚本会自动处理所有对应行
• 容错处理：添加了Name和日期列存在性检查，避免因数据缺失导致报错
• 格式对齐：将status首字母大写，和df_excel原表格的Completed/Waiting格式保持一致

内容的提问来源于stack exchange，提问作者RedRum