Python pandas比对两Excel表列 新增标记列并追加缺失行

前置依赖 #

先安装读写Excel需要的库，执行命令：
pip install pandas openpyxl

完整实现代码 #

import pandas as pd

# 读取两个工作表，注意替换为你本地的实际文件路径、工作表名
# 读取时统一将Col1转为字符串类型，避免跨表类型不匹配导致匹配失败
df_a = pd.read_excel("你的源文件.xlsx", sheet_name="A", dtype={"Col1": str})
df_b = pd.read_excel("你的源文件.xlsx", sheet_name="B", dtype={"Col1": str})

# 处理A表Col3列的赋值逻辑
b_col1_unique = set(df_b["Col1"].dropna().unique())
df_a["Col3"] = df_a["Col1"].apply(lambda x: "YES" if x in b_col1_unique else "NO")

# 提取B表独有的Col1条目，追加到A表末尾
a_col1_unique = set(df_a["Col1"].dropna().unique())
b_only_items = df_b[~df_b["Col1"].isin(a_col1_unique)][["Col1"]].drop_duplicates(subset=["Col1"])
df_final = pd.concat([df_a, b_only_items], ignore_index=True)

# 导出最终结果，替换为你要保存的文件路径
df_final.to_excel("比对结果.xlsx", index=False)

之前np.where、isin方法报错的常见原因 #

• 列名存在隐藏的空格、换行符：比如实际列名是Col1 （末尾带空格），直接引用df["Col1"]会触发KeyError，读表后可以执行print(df_a.columns)打印列名核对
• 两表Col1列数据类型不一致：比如A表Col1存的是数字、B表存的是同内容的文本，会导致isin匹配失效，代码里读取时指定dtype={"Col1": str}就是为了规避这个问题
• 未处理空值：Col1列如果存在NaN空值，直接做逻辑判断容易触发类型错误，代码里匹配前先用dropna()过滤了空值

示例数据验证 #

用提供的测试数据运行代码，输出结果完全符合要求：

内容的提问来源于stack exchange，提问作者Yukarii