本文教你使用 pandas 一步到位地读取、对齐、合并结构不一致的 csv 和 excel 数据，并生成含差异值及条件标记的新表格。
本文教你使用 pandas 一步到位地读取、对齐、合并结构不一致的 csv 和 excel 数据，并生成含差异值及条件标记的新表格。
在实际数据比对任务中，常需整合来源不同、列名不统一、日期格式各异的文件（如 CSV 与 Excel），并快速定位关键字段间的数值偏差。本教程以一个典型场景为例：CSV 文件含列 test date、id、values 1；Excel 文件（表头位于第 5 行）含列 id、date（格式为 3/12/2024）、values 2。目标是按 id 关联两条记录，统一日期格式，计算 values 2 - values 1 的差值，并标记“是否超过 2”。
以下是完整、可直接运行的解决方案：
import pandas as pd
# 1. 分别读取 CSV 和 Excel（跳过前4行，使第5行为列名）
df_csv = pd.read_csv("test.csv")
df_excel = pd.read_excel("test.xlsx", skiprows=4)
# 2. 标准化列名，便于后续合并
df_csv = df_csv.rename(columns={"test date": "date", "values 1": "value_1"})
df_excel = df_excel.rename(columns={"values 2": "value_2"})
# 3. 统一日期格式：将 Excel 中的 date 转为 YYYY-MM-DD 字符串（与 CSV 一致）
df_excel["date"] = pd.to_datetime(df_excel["date"]).dt.strftime("%Y-%m-%d")
# 4. 基于 'id' 和 'date' 双键合并（推荐：避免仅用 id 导致多对一歧义）
merged = pd.merge(df_csv, df_excel, on=["id", "date"], how="inner")
# 5. 构建结果表，计算差异并添加布尔标记
result = merged[["date", "id", "value_1", "value_2"]].copy()
result["discrepancy"] = result["value_2"] - result["value_1"]
result["Over 2?"] = result["discrepancy"] > 2 # 自动转为布尔值，可选 .map({True: "yes", False: "no"})
print(result)注意事项：
- 若 Excel 表头不在第 5 行，请调整 skiprows 参数；可用 header=None + iloc 手动指定；
- 使用双键合并（on=["id", "date"]）比单键更鲁棒，能防止同 ID 多日期导致的笛卡尔积；
- pd.to_datetime(...).dt.strftime() 确保日期格式完全对齐，避免字符串比较失败；
- "Over 2?" 列默认为布尔型（True/False），如需显示 "yes"/"no"，可在最后追加：
result["Over 2?"] = result["Over 2?"].map({True: "yes", False: "no"}) - 最终结果可导出为新 Excel：result.to_excel("discrepancy_report.xlsx", index=False)。
该流程兼顾健壮性与可读性，适合初学者快速上手，也适用于日常数据稽核与自动化报表场景。
