Python的excel数据匹配（以国泰安数据为例）

实现过程

1. 引入必要的库：使用了tkinter创建GUI窗口，以及pandas进行数据处理。
2. 文件选择和数据读取：弹出文件对话框，让用户选择要导入的两个Excel文件，并读取这两个文件的数据，分别存储在名为"表1"和"表2"的变量中。
3. 数据清洗和处理：

• 删除了"表2"中公司名称中包含"ST"或"st"的行。
• 删除了"表2"中重复的前三列数据。这个操作是基于假设，如果123列（股票代码、公司名称、年份）有重复项出现，可能是因为下载了多个报表类型的数据。代码删除了这些重复项，只保留每组重复值的第一个。
• 注意：代码只会保留第一个出现的数据。且以第123列为判断标准，这意味着只要第123列的行重复，它保留的行可能是报表类型a，也可能是报表类型b。如果追求严谨，请点击取消，用excel手动筛选
• 将日期格式改为年份，并将年份放到第二列。
• 合并了第一列和第二列，并根据情况判断是否存在重复值。如果存在重复值，说明数据可能是季度数据，代码将按年份对数据进行求和，转换为年度数据。
• 数据合并：将处理后的"表2"与"表1"按照指定的合并键进行合并，合并结果存储在新的数据框中。
• 数据保存和输出：删除合并结果中的不必要列，并将最终结果保存为新的Excel文件。最后输出结果，整个匹配过程完成。

思路

需求分析

1，国泰安的数据有的只有季度数据，而我们需要的是年度数据，在excel中需要用到数据透视去筛选，分组求和。且数据时间尺度为10年-23年，重复性工作多。

2，将分表数据匹配到总表中需要耗费时间，4w行的数据多要1分钟运行时间，且每次输入lookup函数都要更换变量值，浪费时间，容易视觉疲劳导致出错。

怎么做

在代码里主要分为表1和表2，表1是总表，而表2是分表，第一阶段，该代码的目标就是先整理好表2的数据，然后第二阶段就是将表2的数据匹配到表1里，而后导出匹配好的合并表，在用这张合并表去充当表1，周而复始，从而达到多表匹配到一张表的效果。