在办公场景中，我们常常会遇到这样的场景：多个的Excel文件需要基于某一列或多列进行数据的匹配、合并，并提取出匹配数据中的相关数据。

最近遇到了这样一个问题：在核酸检测过程中，某个混检的试管出了问题，而之前采样的20人已经离开了，需要在4000多人中快速找到这20人的联系方式，以便重新采集。最惨的是采集app上只能看到这20人的身份证尾号和姓氏。

要解决这个问题关键有两步：匹配数据和提取数据。

Python中的pandas库提供了这一个问题的解决方案。代码写好后，只需关注两点：按哪列数据匹配、要提取哪些列，便可以解决这类问题。

问题描述

1.辅助列生成

import pandas as pd

# 读取Excel文件
df1 = pd.read_excel('./待查询信息.xlsx')
df2 = pd.read_excel('./学生信息加密表格.xlsx')

# 待查询数据表——生成辅助列：姓氏
df1['姓氏'] = df1['姓名'].str[0]
df1['身份证后四位'] = df1['身份证号'].str[-4:]
# 数据库表——生成辅助列：编号后四位和姓氏
df2['身份证后四位'] = df2['身份证号'].str[-4:]
df2['姓氏'] = df2['姓名'].str[0]

2.合并匹配

mergeDf = pd.merge(df1,df2,how='left',on=['身份证后四位','姓氏'])

3.选取另存

# 选取需要的列名
outColNames = [
    '姓名_x',
    '身份证号_x',
    '班级',
    '学号',
    '联系方式',
]
mergeDf[outColNames].to_excel("数据匹配后的结果.xlsx",index=False)

其实对于数据的匹配，excel中的vlookup()函数也可以做，但不同的Excel文件之间处理免不了繁琐的框选、复制、粘贴吧，而且数据量大的时候手工拖动操作不仅效率低，而且有操作失误的风险。

文件之间处理免不了繁琐的框选、复制、粘贴吧，而且数据量大的时候手工拖动操作不仅效率低，而且有操作失误的风险。