在两个 xlsx 文件之间查找相同的行

Question

我刚刚看了几个帖子，但我没有找到解决方案。

我正在尝试使用 Python 中的 Pandas 比较不同工作簿中的 2 个 Excel 文件。

工作1：

A     B     C
1     1     1
2     2     2
3     3     3

工作2：

A     B     C
1     1     1
2     5     2
3     3     3

希望输出：

A     B     C
1     1     1

3     3     3

到目前为止，我得到的是：

import pandas as pd

df1 = pd.read_excel('/path/work1.xlsx')
df2 = pd.read_excel('/path/work2.xlsx')

common = df1[df1==df2]
print common
common.to_excel('/path/result.xlsx')

但我得到的是：

A     B     C
1     1     1
2           2
3     3     3

重点是，如果work1的B列和work2有任何重合，那么输出应该只有整行重合。

我正在使用 NGS 变异注释，因此有助于分析共享变异的受影响家族。

Answer 1

您需要做的是编写条件以在一行中找到 所有 列相等。到目前为止，您生成的掩码与原始数据帧的形状相同，因此当您编制索引时，您会创建 NaN，而不是像应有的那样进行过滤。

选项 1
使用eq + all -

df1[df1.eq(df2).all(axis=1)]

   A  B  C
0  1  1  1
2  3  3  3

请记住，pandas 在比较时会按索引自动对齐数据框，因此如果您的数据框在索引或列方面不完全相同，这将不起作用。如果是这种情况，则需要进行一些预处理。

df2.index = df1.index
df2.columns = df1.columns

现在，这（以及合并）应该可以工作了。

---

选项 2
所有列上的内部merge -

df1.merge(df2)

   A  B  C
0  1  1  1
1  3  3  3