Python跨表查找数据：未找到时复制到新文件的代码问题排查

我是编程新手，正在学习使用Python处理数据。我需要对比两个数据相似的Excel文件，找出df1中「concatenate」列里不存在于df2同列的行，并将这些行复制到新文件，以此发现文件更新后的变化。但我复制了两个完全相同的输入文件，本应得到空的输出文件，却仍有数据被写入，现有代码如下：

import pandas as pd

# load the data from the two files into Pandas dataframes
df1 = pd.read_excel('/Users/bjoern/Desktop/PythonProjects/Comparison/MergedKeepa_2023-02-05.xlsx')
df2 = pd.read_excel('/Users/bjoern/Desktop/PythonProjects/Comparison/MergedKeepa_2023-02-04.xlsx')

# extract the values from column Concatenate in both dataframes
col_a_df1 = df1['concatenate']
col_a_df2 = df2['concatenate']

# find the intersection of the values in column A of both dataframes
intersection = col_a_df1.isin(col_a_df2)

# filter the rows of df1 where the value in column A is not found in df2
df1 = df1[intersection]

# write the filtered data to a new Excel file
df1.to_excel('/Users/bjoern/Desktop/PythonProjects/Comparison/filtered_data.xlsx', index=False)

请问我哪里出错了？

你的代码逻辑完全搞反了：

• col_a_df1.isin(col_a_df2) 返回的是df1中「concatenate」列存在于df2同列的行的布尔标记，你用这个过滤后，保留的是两个文件共有的行——因为你用的是完全相同的文件，所以所有行都被保留，自然输出文件有数据。
• 你要找的是df1中不存在于df2的行，需要对这个布尔序列取反，用~操作符即可。

修正后的代码：

import pandas as pd

# 读取两个Excel文件
df1 = pd.read_excel('/Users/bjoern/Desktop/PythonProjects/Comparison/MergedKeepa_2023-02-05.xlsx')
df2 = pd.read_excel('/Users/bjoern/Desktop/PythonProjects/Comparison/MergedKeepa_2023-02-04.xlsx')

# 筛选df1中concatenate列不在df2同列的行
filtered_df = df1[~df1['concatenate'].isin(df2['concatenate'])]

# 将结果写入新Excel文件
filtered_df.to_excel('/Users/bjoern/Desktop/PythonProjects/Comparison/filtered_data.xlsx', index=False)

如果修正后仍有异常，检查两列的数据类型是否一致（比如存在字符串与数字混合、空值NaN等情况），可以用df['concatenate'].dtype查看数据类型，必要时先统一类型再做对比。

内容的提问来源于stack exchange，提问作者bocki