Python与办公自动化--核对两张万行数据表的差异

import pandas as pdimport osdef compare_excel_files(file1, file2, key_col, value_col, output_file='差异报告.xlsx'):    """    自动核对两个 Excel 文件的差异    :param file1: 第一个文件路径 (例如：销售表.xlsx)    :param file2: 第二个文件路径 (例如：财务表.xlsx)    :param key_col: 用于匹配的唯一键列名 (例如：订单号)    :param value_col: 需要核对数值的列名 (例如：金额)    :param output_file: 结果输出文件名    """    print(f"🚀 正在读取 {file1} ...")    df1 = pd.read_excel(file1)    print(f"🚀 正在读取 {file2} ...")    df2 = pd.read_excel(file2)    # 1. 数据清洗：去除首尾空格，防止因空格导致匹配失败    df1[key_col] = df1[key_col].astype(str).str.strip()    df2[key_col] = df2[key_col].astype(str).str.strip()    # 2. 合并数据：使用外连接 (outer join)，确保两边的数据都在    # indicator=True 会生成一列 '_merge'，标记数据来源    merged_df = pd.merge(        df1[[key_col, value_col]],         df2[[key_col, value_col]],         on=key_col,         how='outer',         indicator=True,        suffixes=('_表 1', '_表 2')    )    # 3. 定义差异逻辑    results = []    for index, row in merged_df.iterrows():        status = "正常"        diff_value = 0        # 情况 A: 只在表 1 存在 (表 2 缺失)        if row['_merge'] == 'left_only':            status = "❌ 仅在表 1 存在"            diff_value = row[f'{value_col}_表 1']        # 情况 B: 只在表 2 存在 (表 1 缺失)        elif row['_merge'] == 'right_only':            status = "❌ 仅在表 2 存在"            diff_value = -row[f'{value_col}_表 2'] # 负数表示表 2 多出来了        # 情况 C: 两边都有，但数值不一致        else:            val1 = row[f'{value_col}_表 1']            val2 = row[f'{value_col}_表 2']            # 处理可能的非数字情况，并保留 2 位小数比较            try:                if abs(float(val1) - float(val2)) > 0.01: # 允许 1 分钱误差                    status = "⚠️ 金额不一致"                    diff_value = float(val1) - float(val2)                else:                    status = "✅ 一致"            except ValueError:                status = "⚠️ 数据格式错误"        if status != "✅ 一致":            results.append({                key_col: row[key_col],                '状态': status,                f'{value_col}_表 1': row.get(f'{value_col}_表 1', '无'),                f'{value_col}_表 2': row.get(f'{value_col}_表 2', '无'),                '差异值': diff_value            })    # 4. 输出结果    if not results:        print("🎉 恭喜！两张表数据完全一致，没有发现差异。")        return    result_df = pd.DataFrame(results)    # 按照差异类型排序，让严重问题排在前面    result_df = result_df.sort_values(by='状态')    result_df.to_excel(output_file, index=False)    print(f"✅ 核对完成！共发现 {len(result_df)} 处差异。")    print(f"📄 详细报告已保存至：{os.path.abspath(output_file)}")# ================= 配置区域 (请在此处修改) =================if __name__ == "__main__":    # 请将以下文件名替换为你实际的文件名    # 确保这两个文件在当前脚本同一目录下，或者填写绝对路径    file_sales = '本月销售表.xlsx'       file_finance = '财务入账表.xlsx'    # 指定哪一列是订单号，哪一列是要对比的金额    KEY_COLUMN = '订单号'          VALUE_COLUMN = '实付金额'      # 检查文件是否存在，避免报错    if os.path.exists(file_sales) and os.path.exists(file_finance):        compare_excel_files(file_sales, file_finance, KEY_COLUMN, VALUE_COLUMN)    else:        print("❌ 错误：找不到指定的 Excel 文件，请检查文件名或路径。")

# 修改前file_sales = '本月销售表.xlsx'   file_finance = '财务入账表.xlsx'# 修改后 (假设你的文件叫 data_a.xlsx 和 data_b.xlsx)file_sales = 'data_a.xlsx'   file_finance = 'data_b.xlsx'

# 修改前KEY_COLUMN = '订单号'      VALUE_COLUMN = '实付金额'  # 修改后 (假设你的表头分别是 "Order_ID" 和 "Total_Price")KEY_COLUMN = 'Order_ID'      VALUE_COLUMN = 'Total_Price'  

python check_diff.py