python - 将多个单列 excel 文件与特定的嵌套列表/元组进行比较

Question

请给我一些建议。我有一个包含 30 个嵌套元素（从 json 响应转换而来）的元组，格式如下：

[('Group_1',['xyz123','str123','834hsj','nmp001','888tyu','abc123']),...('Group_30' ,['aaaa', 'bbb', 'fff'])

我有 5 个以元组中的 5 个相应组命名的 excel 文件加上它们的行如下：

Excel xls 文件 1： 名称：Group_1 内容：

Column: A
Row1: Group_1
Row2: xyz123
Row3: str123
Row4: 834hsj
Row5: nmp001
Row6: 888tyu
Row7: abc123

Excel xls 文件 2： 名称：Group_2 内容：

第 1 行：Group_2

等到 Group_5

目的是比较元组和excel文件中元素之间的组匹配值，以便元组加嵌套列表中的Group_1到Group_5匹配excel的内容及其列内容。如果相应的组有差异，则列出丢失或未完成的字符串及其位置。

您是否建议将 excel 文件（所有 1 列大小不同的长度）作为单独的数据帧导入 panda 并将元组分解为单独的列表，然后也分解为 panda 数据帧？或在数据框中导入 excel，然后转换为列表（每组 1 个）以与元组进行比较（必须将其分解为组列表。

谢谢

标签： pythonexcelpandasnestednested-lists

Answer 1

最简单的方法是循环读取每个文件，将每个列表变成一个集合，然后变得疯狂。：

假设您在列表中有元组列表groups：

groups

[('Group_1',['xyz123','str123','834hsj','nmp001','888tyu','abc123']),
 ('Group_30' ,['aaaa', 'bbb', 'fff'])]

你有这样的组名命名的文件：

Group_1.xls
Group_30.xls

首先，读取XLS，跳过第一行（即'A'），并将第二行设置为列名（即'Group_1'）。

for group in groups:
    df = pd.read_excel(group[0] + '.xls', header=0, skiprows=[0])

它应该如下所示：

df

  Group_1
0  xyz123
1  str123
2  834hsj
3  nmp001
4  888tyu
5  abc123

然后，我们将文件和列表中的元素转换为集合并输出结果：

for group in groups:
    df = pd.read_excel(group[0] + '.xls', header=0, skiprows=[0])

    file_set = set(df[group[0]].to_list())
    tup_set = set(group[1])

    print()
    print("In file and in tuple")
    print(file_set.intersection(tup_set))
    print("In file, but not in tuple")
    print(file_set.difference(tup_set))
    print("In tuple, but not in file")
    print(tup_set.difference(file_set))

你应该得到这样的输出：

In file and in tuple
{'nmp001', '834hsj', '888tyu', 'str123', 'abc123', 'xyz123'}
In file, but not in tuple
set()
In tuple, but not in file
set()

In file and in tuple
set()
In file, but not in tuple
{'nmp001', '834hsj', '888tyu', 'str123', 'abc123', 'xyz123'}
In tuple, but not in file
{'bbb', 'fff', 'aaaa'}

PS。set()是空集。