data2 = pd.read_excel(file2, sheet_name=0, keep_default_na=False) sheet = data['方药'] for k in range(row_num): cell1_data = sheet.iloc[k] # 获取单元格的值 cell1_data = str(cell1_data) if cell1_data.value not in data2: print(cell1_data, cell1_data.column, cell1_data.value)

抱歉，我之前的回答有一个错误。在您代码中，您将`cell1_data`转换为字符串类型，并尝试使用`cell1_data.value`进行比较。但是，`cell1_data`是一个字符串对象，而不是一个单元格对象，因此没有`value`属性。

根据您的代码，您可以直接在条件语句中使用`cell1_data`进行比较，而不需要使用`value`。下面是修正后的代码：

data2 = pd.read_excel(file2, sheet_name=0, keep_default_na=False)

sheet = data['方药']
for k in range(row_num):
    cell1_data = sheet.iloc[k]  # 获取单元格的值
    cell1_data = str(cell1_data)
    if cell1_data not in data2:
        print(cell1_data, cell1_data.column, cell1_data)

现在，条件语句将检查`cell1_data`是否存在于`data2`中。如果不存在，将打印出`cell1_data`、`cell1_data.column`和`cell1_data`的值。

如果您有任何其他问题，请随时提问！

相关问题

result = [] for s_li in data.columns: ## 打印列名 print(s_li) if '方药' in str(s_li) : result.append(data[s_li]) print(result) #pd.DataFrame(result).to_excel(r'F:\python_project\result.xls') # 保存的路径 data2 = pd.read_excel(file2, sheet_name=0, keep_default_na=False) sheet = data['方药'] for k in range(row_num): cell1_data = sheet.iloc[k] # 获取单元格的值 cell1_data = str(cell1_data) if cell1_data not in data2: print( k, cell1_data)

根据您提供的代码，我可以看到您正在处理`data`中的列和`data2`之间的比较。首先，您使用一个循环来遍历`data`的列名，并打印每个列名。然后，如果列名中包含字符串'方药'，您将该列的数据添加到`result`列表中。

接下来，您使用`pd.read_excel()`函数从`file2`中读取数据，并将其存储在`data2`变量中。然后，您从名为'方药'的工作表中检索数据，并使用一个循环来遍历每一行。在循环内部，您获取每个单元格的值，并将其转换为字符串类型。然后，您检查该值是否不存在于`data2`中，如果是，则打印出行号和单元格的值。

最后注释掉了保存结果到Excel文件的代码行，如果您想要保存结果到Excel文件，只需取消注释即可。

请记住，根据您的具体需求，您可能需要进一步处理或调整代码。

如果您有任何其他问题，请随时提问！

pd.read_excel的参数

pandas库中的pd.read_excel()函数的参数如下：

- `io`：文件路径（字符串）或文件类型对象（如：file-like object）。必选参数。

- `sheet_name`：要读取的工作表名称或索引，可以是字符串、整数或列表。默认读取第一个工作表。

- `header`：指定表头的行数。默认是0，表示表头在第一行。

- `names`：用于替换表头的列表，必须与数据的列数相同。如果指定了header=None，则必须使用names参数指定列名。

- `index_col`：用作行索引的列编号或列名。可以是单个整数或字符串，也可以是列表或者范围（例如：“0,1,2”或“A:E”）。

- `usecols`：要读取的列，可以是列名或列索引。例如，使用“A:E”表示读取所有列。

- `dtype`：指定每列的数据类型，可以是字典或numpy.dtype对象。

- `parse_dates`：指定需要解析成日期格式的列。

- `date_parser`：用于解析日期的函数。

- `na_values`：将指定值视为缺失值。

- `skiprows`：要跳过的行数，可以是整数或列表。

- `nrows`：要读取的行数。

- `skip_footer`：文件末尾要跳过的行数。

- `converters`：将指定列的值转换为特定类型的函数。

- `true_values`/`false_values`：将指定值转换为True或False。

- `keep_default_na`：是否保留默认的缺失值列表。

- `verbose`：是否打印读取信息。

更多参数可以参考官方文档：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.read_excel.html。