如何移除/迁移与另一DataFrame存在字段匹配值的对应行

两类方案覆盖不同使用场景，可根据自己的数据量和操作习惯选择：

方案1：Excel零代码实现（适合10万行以内数据量） #

优先用Power Query处理，不会出现公式卡顿、匹配错位问题，操作步骤：

• 打开Excel，点击「数据」选项卡→「获取数据」→「自文件」→「自工作簿」，分别导入全量退款表、手动退款表两份数据到Power Query编辑器
• 提取待保留的未退款记录：选中全量退款表查询，点击「合并查询」，两个表的匹配字段均选择ordernumber列，连接类型选择「左反（仅第一个表中存在、第二个表无匹配的行）」，导出结果即为剔除已手动退款记录后的更新版全量待退款表
• 提取需迁移的匹配记录：重新选中全量退款表查询做合并，匹配字段仍选ordernumber，连接类型选择「内部（两个表中均存在匹配的行）」，导出结果即为需要从原全量表中移除的已手动退款记录，单独存为新工作表即可
• 强制校验步骤：更新后待退款表行数 + 迁移出的匹配记录行数，必须等于原全量退款表总行数，确认无错漏后再替换原文件。

如果对Power Query不熟悉，也可以用函数辅助处理：在全量退款表新增空白辅助列，输入公式=COUNTIF(手动退款表!B:B,[@ordernumber])（注意把B列替换为手动退款表中ordernumber所在的实际列号），筛选辅助列值大于0的行，就是匹配到的已退款记录，剪切到新表保存，剩下的就是更新后的待退款表。该方法不适合10万行以上大文件，容易出现计算卡顿、程序无响应问题。

方案2：Python脚本批量处理（适合大文件场景，效率高无错漏） #

如果文件行数超过10万，Excel打开和计算都会明显卡顿，用几行简单脚本就能快速完成匹配拆分，全程不用手动操作。
首先安装依赖库，在命令行执行：
pip install pandas openpyxl
然后新建py文件，粘贴以下代码，把文件名替换成你本地的实际文件名，运行即可：

import pandas as pd

# 读取两份退款表
# *订单号强制按字符串读取，避免数字格式不匹配（比如一个表存为文本、一个表存为数值）导致匹配失败
full_refund_df = pd.read_excel("全量退款表.xlsx", dtype={"ordernumber": str, "number": str})
manual_refund_df = pd.read_excel("手动退款表.xlsx", dtype={"ordernumber": str, "number": str})

# 提取匹配到的已手动退款记录，存为独立新表
matched_df = full_refund_df[full_refund_df["ordernumber"].isin(manual_refund_df["ordernumber"])]
matched_df.to_excel("迁移出的已手动退款记录.xlsx", index=False)

# 生成剔除已退款记录后的更新版待退款表
pending_df = full_refund_df[~full_refund_df["ordernumber"].isin(manual_refund_df["ordernumber"])]
pending_df.to_excel("更新后全量待退款表.xlsx", index=False)

# 输出校验信息
print(f"原全量表总记录数：{len(full_refund_df)}")
print(f"迁移出的已退款记录数：{len(matched_df)}")
print(f"剩余待退款记录数：{len(pending_df)}")
print(f"数据完整性校验：{len(full_refund_df) == len(matched_df) + len(pending_df)}")

注意事项 #

• 脚本运行后先看控制台输出的校验结果，只有数据完整性校验结果为True时，才说明拆分过程没有丢数
• 如果存在同一订单号重复出现的情况，可以在读取数据后加去重逻辑：对两个表分别执行drop_duplicates(subset=["ordernumber"])，避免重复匹配。

内容的提问来源于stack exchange，提问作者Hatsee