Python中基于Result列修正Status列值并合并Excel文件

咱直接用pandas来搞定这个需求，它处理表格数据和Excel操作的效率拉满，完全符合你的要求。下面是分步实现的思路和完整代码：

步骤1：明确Status与Result的正确映射规则 #

首先你得把题目里提到的特定对应关系整理成字典，比如假设你的规则是（你可以根据实际情况修改）：

• Result为"Completed" → Status修正为"SP"
• Result为"Failed" → Status修正为"FA"
• Result为"Pending" → Status修正为"WO"

status_result_map = {
    "Completed": "SP",
    "Failed": "FA",
    "Pending": "WO"
}

步骤2：读取待处理数据与现有Excel文件 #

用pandas的read_excel方法读取两个文件，这里假设：

• 待修正数据.xlsx是包含错误Status的数据源
• 现有数据.xlsx是需要合并进去的目标文件

import pandas as pd

# 读取待修正的数据
df_to_fix = pd.read_excel("待修正数据.xlsx")
# 读取现有Excel数据
df_existing = pd.read_excel("现有数据.xlsx")

步骤3：修正Status列的错误取值 #

直接用map方法根据Result列和映射字典替换错误的Status值，一步到位：

# 修正Status列，用Result匹配映射字典；若Result不在映射中则保留原Status
df_to_fix["Status"] = df_to_fix["Result"].map(status_result_map).fillna(df_to_fix["Status"])

步骤4：以ADSL为匹配键合并数据 #

用merge方法实现合并，这里选择left连接（保留现有数据的所有行，只把修正后的数据匹配进去），你也可以根据需求换成inner（只保留双方都有的ADSL）或者outer（保留所有行）：

# 合并数据，on指定匹配键为ADSL，how选择合并方式
df_merged = pd.merge(df_existing, df_to_fix[["ADSL", "Status"]], on="ADSL", how="left", suffixes=("", "_fixed"))

# 用修正后的Status覆盖现有数据的对应值，未匹配到的保留原Status
df_merged["Status"] = df_merged["Status_fixed"].fillna(df_merged["Status"])
# 删掉临时生成的辅助列
df_merged.drop(columns=["Status_fixed"], inplace=True)

步骤5：保存合并后的结果回Excel #

最后把处理好的数据保存回文件（建议先保存到新文件，避免误覆盖原数据）：

# 保存到新文件，index=False避免生成多余的索引列
df_merged.to_excel("合并后的数据.xlsx", index=False)

完整可运行代码 #

把上面的步骤整合起来，就是完整的实现代码：

import pandas as pd

# 1. 定义Status与Result的正确映射（根据你的实际规则修改）
status_result_map = {
    "Completed": "SP",
    "Failed": "FA",
    "Pending": "WO"
}

# 2. 读取数据
df_to_fix = pd.read_excel("待修正数据.xlsx")
df_existing = pd.read_excel("现有数据.xlsx")

# 3. 修正Status列
df_to_fix["Status"] = df_to_fix["Result"].map(status_result_map).fillna(df_to_fix["Status"])

# 4. 合并数据
df_merged = pd.merge(df_existing, df_to_fix[["ADSL", "Status"]], on="ADSL", how="left", suffixes=("", "_fixed"))
df_merged["Status"] = df_merged["Status_fixed"].fillna(df_merged["Status"])
df_merged.drop(columns=["Status_fixed"], inplace=True)

# 5. 保存结果
df_merged.to_excel("合并后的数据.xlsx", index=False)

额外说明 #

• 如果Excel文件有多个工作表，可以用pd.read_excel的sheet_name参数指定读取目标工作表
• 哪怕数据量达到几十万行，pandas也能高效处理，比手动操作Excel快N倍
• 合并方式可灵活调整：how="left"保留现有数据所有行，how="inner"只保留两边共有的ADSL行，how="outer"保留所有行

内容的提问来源于stack exchange，提问作者kenneth_V