如何用Pandas对比两个XLSX的DataFrame并验证分类一致性

步骤1：读取Excel并转换Siret为Siren格式 #

先把两个Excel文件读入DataFrame，然后将Df2的Siret转为字符串类型（避免数字格式丢失前导零），提取前9位得到和Df1一致的Siren：

import pandas as pd

# 读取文件，注意指定Siret为字符串类型防止前导零丢失
df1 = pd.read_excel('你的文件1路径.xlsx')
df2 = pd.read_excel('你的文件2路径.xlsx', dtype={'Siret': str})

# 从Siret提取前9位生成Siren列
df2['Siren'] = df2['Siret'].str[:9]

步骤2：自动对齐两个DataFrame #

用merge方法基于Siren列合并，自动将相同Siren的行匹配对齐，无需手动排序：

# 合并DataFrame，how='inner'只保留双方都有的Siren；用'outer'可保留所有行
merged_df = pd.merge(df1, df2, on='Siren', how='inner')

步骤3：验证分类匹配并生成Verify标记 #

直接对比Categorie和Type列，生成布尔值的Verify列，匹配为True，不匹配为False。如果需要忽略大小写或空格，可以先做清洗：

# 基础匹配
merged_df['Verify'] = merged_df['Categorie'] == merged_df['Type']

# 可选：忽略大小写和首尾空格的匹配
# merged_df['Categorie_clean'] = merged_df['Categorie'].str.strip().str.lower()
# merged_df['Type_clean'] = merged_df['Type'].str.strip().str.lower()
# merged_df['Verify'] = merged_df['Categorie_clean'] == merged_df['Type_clean']

步骤4：处理不匹配项（可选） #

如果需要单独查看或导出不匹配的记录，直接筛选即可：

# 筛选不匹配的行
mismatched_data = merged_df[merged_df['Verify'] == False]

# 导出结果到新Excel
merged_df.to_excel('完整匹配结果.xlsx', index=False)
mismatched_data.to_excel('不匹配项汇总.xlsx', index=False)

关键提示 #

• 必须确保Siren列在两个DataFrame中都是字符串类型，否则数字格式的差异（比如前导零丢失）会导致匹配失败。
• 如果你的Excel文件中Siret是数字格式，读取时一定要用dtype={'Siret': str}参数，防止pandas自动转为整数丢失前导零。

内容的提问来源于stack exchange，提问作者Teddy