在excel中的大量数据中，如何查找出相同的四个单元格内容，并引用后面的单元格内容

Posted 2023-04-24

在excel中的大量数据中，如何查找出相同的四个单元格内容，如：A2=4，B2=5，C2=
6，D2=7，要查找该工作表中H列到K列所有相邻的四个单元格内容都是4，5，6，7，然后E2引用L列中4,5,6,7后面的单元格内容？

VLOOKUP函数
在表格或数值数组的首列查找指定的数值，并由此返回表格或数组中该数值所在行中指定列处的数值。
这里所说的“数组”，可以理解为表格中的一个区域。数组的列序号：数组的“首列”，就是这个区域的第一纵列，此列右边依次为第2列、3列……。假定某数组区域为B2:E10，那么，B2:B10为第1列、C2:C10为第2列……。
语法：
VLOOKUP（查找值，区域，列序号，逻辑值）
“查找值”：为需要在数组第一列中查找的数值，它可以是数值、引用或文字符串。
“区域”：数组所在的区域，如“B2:E10”，也可以使用对区域或区域名称的引用，例如数据库或数据清单。
“列序号”：即希望区域（数组）中待返回的匹配值的列序号，为1时，返回第一列中的数值，为2时，返回第二列中的数值，以此类推；若列序号小于1，函数VLOOKUP 返回错误值 #VALUE!；如果大于区域的列数，函数VLOOKUP返回错误值 #REF!。
“逻辑值”：为TRUE或FALSE。它指明函数 VLOOKUP 返回时是精确匹配还是近似匹配。如果为 TRUE 或省略，则返回近似匹配值，也就是说，如果找不到精确匹配值，则返回小于“查找值”的最大数值；如果“逻辑值”为FALSE，函数 VLOOKUP 将返回精确匹配值。如果找不到，则返回错误值 #N/A。如果“查找值”为文本时，“逻辑值”一般应为 FALSE 。另外：
·如果“查找值”小于“区域”第一列中的最小数值，函数 VLOOKUP 返回错误值 #N/A。
·如果函数 VLOOKUP 找不到“查找值” 且“逻辑值”为 FALSE，函数 VLOOKUP 返回错误值 #N/A。
下面举例说明VLOOKUP函数的使用方法。
假设在Sheet1中存放小麦、水稻、玉米、花生等若干农产品的销售单价：
A B
1 农产品名称 单价
2 小麦 0.56
3 水稻 0.48
4 玉米 0.39
5 花生 0.51
…………………………………
100 大豆 0.45
Sheet2为销售清单，每次填写的清单内容不尽相同：要求在Sheet2中输入农产品名称、数量后，根据Sheet1的数据，自动生成单价和销售额。设下表为Sheet2：
A B C D
1 农产品名称 数量 单价 金额
2 水稻 1000 0.48 480
3 玉米 2000 0.39 780
…………………………………………………
在D2单元格里输入公式：
=C2*B2 ；
在C2单元格里输入公式：
=VLOOKUP（A2，Sheet1!A2:B100，2，FALSE） 。
如用语言来表述，就是：在Sheet1表A2:B100区域的第一列查找Sheet2表单元格A2的值，查到后，返回这一行第2列的值。
这样，当Sheet2表A2单元格里输入的名称改变后，C2里的单价就会自动跟着变化。当然，如Sheet1中的单价值发生变化，Sheet2中相应的数值也会跟着变化。
其他单元格的公式，可采用填充的办法写入。
VLOOKUP函数使用注意事项
说到VLOOKUP函数，相信大家都会使用，而且都使用得很熟练了。不过，有几个细节问题，大家在使用时还是留心一下的好。
一．VLOOKUP的语法
VLOOKUP函数的完整语法是这样的：
VLOOKUP(lookup_value,table_array,col_index_num,range_lookup)
1．括号里有四个参数，是必需的。最后一个参数range_lookup是个逻辑值，我们常常输入一个0字，或者False;其实也可以输入一个1字，或者true。两者有什么区别呢？前者表示的是完整寻找，找不到就传回错误值＃N/A；后者先是找一模一样的，找不到再去找很接近的值，还找不到也只好传回错误值＃N/A。这对我们其实也没有什么实际意义，只是满足好奇而已，有兴趣的朋友可以去体验体验。
2．Lookup_value是一个很重要的参数，它可以是数值、文字字符串、或参照地址。我们常常用的是参照地址。用这个参数时，有两点要特别提醒：
A）参照地址的单元格格式类别与去搜寻的单元格格式的类别要一致，否则的话有时明明看到有资料，就是抓不过来。特别是参照地址的值是数字时，最为明显，若搜寻的单元格格式类别为文字，虽然看起来都是123，但是就是抓不出东西来的。
而且格式类别在未输入数据时就要先确定好，如果数据都输入进去了，发现格式不符，已为时已晚，若还想去抓，则需重新输入。
B）第二点提醒的，是使用时一个方便实用的小技巧，相信不少人早就知道了的。我们在使用参照地址时，有时需要将lookup_value的值固定在一个格子内，而又要使用下拉方式（或复制）将函数添加到新的单元格中去，这里就要用到“$”这个符号了，这是一个起固定作用的符号。比如说我始终想以D5格式来抓数据，则可以把D5弄成这样：$D$5，则不论你如何拉、复制，函数始终都会以D5的值来抓数据。
3．Table_array是搜寻的范围，col_index_num是范围内的栏数。Col_index_num 不能小于1，其实等于1也没有什么实际用的。如果出现一个这样的错误的值#REF!，则可能是col_index_num的值超过范围的总字段数。
二．VLOOKUP的错误值处理。
我们都知道，如果找不到数据，函数总会传回一个这样的错误值#N/A，这错误值其实也很有用的。比方说，如果我们想这样来作处理：如果找到的话，就传回相应的值，如果找不到的话，我就自动设定它的值等于0，那函数就可以写成这样：
=if(iserror(vlookup(1,2,3,0))=true,0,vlookup(1,2,3,0))
这句话的意思是这样的：如果VLOOKUP函数返回的值是个错误值的话（找不到数据），就等于0，否则，就等于VLOOKUP函数返回的值（即找到的相应的值）。
这里面又用了两个函数。
第一个是iserror函数。它的语法是iserror(value)，即判断括号内的值是否为错误值，如果是，就等于true，不是，就等于false。
第二个是if函数，这也是一个常用的函数的，后面有机会再跟大家详细讲解。它的语法是if(条件判断式，结果1，结果2)。如果条件判断式是对的，就执行结果1，否则就执行结果2。举个例子：=if(D2=””,”空的”,”有东西”)，意思是如D2这个格子里是空的值，就显示文字“空的”，否则，就显示“有东西”。（看起来简单吧？其实编程序，也就是这样子判断来判断去的。）
三．含有VLOOKUP函数的工作表档案的处理。
一般来说，含有VLOOKUP函数的工作表，如果又是在别的档案里抓取数据的话，档案往往是比较大的。尤其是当你使用的档案本身就很大的时候，那每次开启和存盘都是很受伤的事情。
有没有办法把文件压缩一下，加快开启和存盘的速度呢。这里提供一个小小的经验。
在工作表里，点击工具——选项——计算，把上面的更新远程参照和储存外部连结的勾去掉，再保存档案，则会加速不少，不信你可以试试。
下面详细的说一下它的原理。
1．含有VLOOKUP函数的工作表，每次在保存档案时，会同时保存一份其外部连结的档案。这样即使在单独打开这个工作表时，VLOOKUP函数一样可以抓取到数值。
2．在工作表打开时，微软会提示你，是否要更新远程参照。意思是说，你要不要连接最新的外部档案，好让你的VLOOKUP函数抓到最新的值。如果你有足够的耐心，不妨试试。
3．了解到这点，我们应该知道，每次单独打开含有VLOOKUP函数的工作表时，里面抓取外部档案的数值，只是上次我们存盘时保存的值。若要连结最新的值，必须要把外部档案同时打开。
VLOOKUP函数我所了解的，也只是这些，大家有什么好的经验或有什么疑问，欢迎大家提出，一起探讨。 参考技术A 首先选中你要查询的 列中或横中所有的内容， 在上方的 数据 选项中有一个筛选功能，里边输入关键字，然后前面函数选项里选中相关列如 等于 大于等等 就可以了。 参考技术B e2输入=lookup(1,0/((h:h=a2)*(i:i=b2)*(j:j=c2)*(k:k=d2)),l:l)
下拉复制公式本回答被提问者采纳

比较季度数据：在 Python（Pandas）中迭代以比较来自作为数据框导入的四个不同 excel 文件的多列

【中文标题】比较季度数据：在 Python（Pandas）中迭代以比较来自作为数据框导入的四个不同 excel 文件的多列

【英文标题】：Comparing quarterly data: Iteration in Python(Pandas) to compare multiple columns from four different excel files imported as dataframe

【发布时间】：2021-08-29 01:33:34

【问题描述】：

尊敬的 *** 社区， 我有一个 excel 文件 "big_excel.xlsx"，它由四列组成，即 "date_column"、"efficacy"、"组合” 和 “测试组”。基本上，我已将这个 excel 每季度拆分一次“q1..q4”，这样我就可以将每列中的值与我从 4 个不同来源收到的 4 个不同的 excel 进行比较，这些 excel 应该是 100% 相同的.来自发件人的这个 excel 元素已经以这样的方式排序，它应该与每季度拆分的 excel 完全匹配。我的代码非常适合第一季度。为了比较，我使用了“.equals”，因为它可以有 nans。现在我必须对剩余的季度应用相同的代码概念q2..q4。

import pandas as pd
from os.path import expanduser as ospath
import numpy as np


df = pd.read_excel(ospath('big_excel.xlsx'))

df.date_column = pd.to_datetime(df.date_column)

df['quarters'] = df.date_column.dt.quarter

q1 = df[df.quarters == 1]

q2 = df[df.quarters == 2].reset_index(drop=True)

q3 = df[df.quarters == 3].reset_index(drop=True)

q4 = df[df.quarters == 4].reset_index(drop=True)


test_excel_q1 = pd.read_excel(ospath('from_biontech.xlsx'))

test_excel_q2 = pd.read_excel(ospath('from_astrazeneca.xlsx'))

test_excel_q3 = pd.read_excel(ospath('from_sputnik.xlsx'))

test_excel_q4 = pd.read_excel(ospath('from_moderna.xlsx'))




q1['compare_date_column'] = np.where(q1[q1.columns[1]].equals(test_excel_q1[test_excel_q1.columns[1]]), 'True', 'False')  
q1['compare_efficacy'] = np.where(q1[q1.columns[2]].equals(test_excel_q1[test_excel_q1.columns[2]]), 'True', 'False')
q1['compare_composition'] = np.where(q1[q1.columns[3]].equals(test_excel_q1[test_excel_q1.columns[3]]), 'True', 'False')
q1['compare_testgroups'] = np.where(q1[q1.columns[4]].equals(test_excel_q1[test_excel_q1.columns[4]]), 'True', 'False')

为此，我显然可以在q1['compare_date_column']、q1['compare_efficacy']、q1['compare_composition'] 和q1['compare_testgroups'] 中更改q1-> q2,q3,q4，然后复制和粘贴。但是，这是一个肮脏的解决方案，如果我将来增加列，我会很困惑。所以，我想知道我的问题是否可以通过迭代来解决。

我的想法：创建一个变量列表var_list = [q1,q2,q3,q4]，其中对于 var_list 中的每个索引，它采用索引 i 并迭代替换它

q1['compare_date_column'] = np.where(q1[q1.columns[1]].equals(test_excel_q1[test_excel_q1.columns[1]]), 'True', 'False')  
q1['compare_efficacy'] = np.where(q1[q1.columns[2]].equals(test_excel_q1[test_excel_q1.columns[2]]), 'True', 'False')
q1['compare_composition'] = np.where(q1[q1.columns[3]].equals(test_excel_q1[test_excel_q1.columns[3]]), 'True', 'False')
q1['compare_testgroups'] = np.where(q1[q1.columns[4]].equals(test_excel_q1[test_excel_q1.columns[4]]), 'True', 'False')

我是否需要为此定义一个函数，如果是，任何人都可以帮助我，因为我还在学习 python。我将非常感谢您为我提供的任何意见。非常感谢您的时间和精力。

【问题讨论】：

也许您可以将append 或pd.concat 组合在一起测试数据帧，然后将生成的测试数据帧与第一个df 进行比较，而不是为每个季度拆分df

感谢您的回复。是的，这也可能是一个解决方案。这只是一个例子。在我真实的公司场景中，我们将测试环境拆分为 4 个不同的实例。每次，来自大 excel 的数据都被分成四等份并输入到每个实例中。然后在每个实例（跳跃隧道、连接和​​实例）中使用脚本一一验证数据。很难从每个环境中提取此 excel 以进行连接或附加。对不起，如果我混淆了你。无论如何，我还想学习如何在我提供的给定场景中进行迭代。

【参考方案1】：

一种方法可能是定义一个函数，该函数采用四分之一数据帧和该季度的相应测试数据帧，并返回带有比较列的原始数据帧。 比如：

# you can also use this function to compare just one quarter
def compare_quarter(df_q:pd.DataFrame, df_test_q:pd.DataFrame):
    # this do exactly the same as your 4 comparing code lines
    df_q[[
        'compare_date_column',
        'compare_efficacy',
        'compare_composition',
        'compare_testgroups'
    ]] = \
        [np.where(df_q.iloc[:, i].equals(df_test_q.iloc[:, i]), 'True', 'False') for i in range(1,5)]

    return df_q

然后你只需在四分之一上迭代函数：

for q, t in zip([q1, q2, q3, q4], [test_excel_q1, test_excel_q2, test_excel_q3, test_excel_q4]):
    q = compare_quarter(q, t)

注意： 我注意到，当您比较每一列时，您是在比较整个季度和测试列。这意味着：如果只有一行不同，则整个 compare_column（所有行）将是 False。如果您想逐元素比较，请在如下函数中使用 eq 方法：

def compare_quartals(df_q:pd.DataFrame, df_test_q:pd.DataFrame):
    comp_cols = [
        'compare_date_column',
        'compare_efficacy',
        'compare_composition',
        'compare_testgroups'
    ]

    for i in range(1,5):
        df_q[comp_cols[i-1]] = df_q.iloc[:, i].eq(df_test_q.iloc[:, i])

    return df_q

【讨论】：

哇！非常感谢您的回答！对我帮助很大！