1

O meu projeto envolve duas fontes de dados.
Pra ser simples, vamos dizer duas planilhas. Ambas com cinco linhas, com Id e valor. No cenário real, seria uma planilha .xlsx e uma consulta SQL.

id valor          id valor
5   10            1   20
1   20            2   50
2   50            5   0
4   100           3   150
3   150           4   100

Leio elas com "read_excel" e transformo as planilhas em dicionário com o "to_dict" da biblioteca "pandas".

No cenário real, as planilhas não serão do mesmo tamanho, estariam tudo misturadas.

Então dentro de um loop, como posso fazer com que o python procure o id da planilha1 dentro da planilha2 e compare o valor das duas planilhas?
Ele identificaria se o id "5" está na planilha2, e se sim, compararia o valor da planilha1 e planilha2. Se for igual, "printa" a linha comparada da planilha1.

Tenho ideias como vai ser o meu output final, tipo uma nova coluna booleana na 1ª planilha, mas eu só estou empacado na comparação mesmo.
Se tiver outra maneira de fazer isso, me avise.

import pandas as pds

file = ('planilha 1.xlsx')
df = pds.read_excel(file)
file2 = ('planilha 2.xlsx')
df2 = pds.read_excel(file2)

planilha1 = df.to_dict(orient='records')
planilha2 = df2.to_dict(orient='records')
1
  • 2
    Você pode fazer um join pelo id e terá como resultado um dataframe com as duas colunas valor dos dataframes originais, com valores já alinhados onde o id for igual. Aí você pode fazer as comparações que quiser.
    – sourcream
    Commented 28/03/2022 às 13:17

1 Resposta 1

1

Não ficou claro na pergunta mas pelo escopo que você trouxe não há motivos ou necessidade de transformar os DataFrames carregados em dicionários, é possível resolver tudo isso diretamente com o Pandas :)

Para que tu consiga verificar as linhas que possuem a id e valor iguais sem perder informação eu usaria o .merge por id para unir as tabelas e criaria uma coluna booleana que assinala onde o valor é igual entre elas, desta forma:

#Carregar os dados
df1 = pd.DataFrame({'id' : [5,1,2,4,3],
               'valor': [10,20,50,100,150]})

df2 = pd.DataFrame({'id' : [1,2,5,3,4],
               'valor': [20,50,0,150,100]})

#Fazer a união entre os DaTaFrames
new_df = df1.merge(df2, on=['id'])
#Criar a coluna booleana que marca as linhas iguais
new_df = new_df.assign(is_equal = new_df['valor_x'].eq(new_df['valor_y']))
new_df.head()
#saida:

    id  valor_x valor_y is_equal
0   5   10      0       False
1   1   20      20      True
2   2   50      50      True
3   4   100     100     True
4   3   150     150     True

Agora se o que você busca é apenas as ocorrências que são iguais, é só moditficar o .merge para bater em ambas as colunas do DataFrame

new_df = df1.merge(df2, on=['id', 'valor'])
new_df.head()
#saida:

    id  valor
0   1   20
1   2   50
2   4   100
3   3   150

Se a ideia é preservar todas ocorrências da primeira planilha e verificar quais linhas são iguais a segunda, você pode fazer o .merge passando os parâmetros how = "LEFT" e indicator = True

new_df = df1.merge(df2, on=['id', 'valor'], how = 'left', indicator = True)
new_df.head()
#saida
    id  valor   _merge
0   5   10      left_only
1   1   20      both
2   2   50      both
3   4   100     both
4   3   150     both

Mais informações sobre o comando .merge podem encontradas na documentação

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .