如何通过Python结合Pandas匹配TXT与Excel数据并提取对应信息

前提假设 #

• TXT文件（比如names.txt）每行存储一个需要匹配的名称，无多余格式；
• Excel文件（比如data.xlsx）包含目标名称列（假设列名为名称），以及其他需要提取的额外数据列（比如年龄、职位）。

实现代码 #

import pandas as pd

# 读取TXT文件，提取名称列表（自动过滤空行）
with open('names.txt', 'r', encoding='utf-8') as txt_file:
    target_names = [line.strip() for line in txt_file if line.strip()]

# 读取Excel数据
excel_df = pd.read_excel('data.xlsx')

# 筛选出Excel中名称在TXT列表内的行
matched_results = excel_df[excel_df['名称'].isin(target_names)]

# 打印匹配结果
print("匹配到的记录：")
print(matched_results)

# 可选：将结果导出为新Excel文件
matched_results.to_excel('matched_output.xlsx', index=False)

关键细节与优化 #

• 精确匹配问题：确保TXT中的名称与Excel里的名称完全一致（包括大小写、空格、特殊符号），否则会出现匹配失败。如果需要忽略大小写，可以统一转换后再匹配：

  # 统一转为小写处理
  target_names = [line.strip().lower() for line in txt_file if line.strip()]
  matched_results = excel_df[excel_df['名称'].str.lower().isin(target_names)]
  

• 列名适配：如果Excel中的名称列不是名称，替换为实际列名即可（比如excel_df['姓名']）。
• 编码处理：如果读取文件时出现乱码，调整encoding参数（比如gbk、utf-8-sig）。
• 大数据量优化：如果Excel文件很大，可以指定usecols参数只读取需要的列，提升效率：

  excel_df = pd.read_excel('data.xlsx', usecols=['名称', '年龄', '职位'])
  

内容的提问来源于stack exchange，提问作者Adam Henry