我正在尝试设置一个PANDAS项目，可以用来比较并返回excel和csv文件中随时间变化的差异。目前，我将excel.csv文件加载到panda中，并为它们分配一个版本列。我给他们分配了一个"；版本"；列，因为在我的最后一步中，我希望程序为我创建一个只包含"；新的"；版本文件，这样我就不必更新整个数据库，只需更新已经更改的数据点。
old = pd.read_excel(landdata20201122.xlsx')
new = pd.read_excel(landdata20210105.xlsx')
old['version'] = "old"
new['version'] = "new"
我将工作表合并为一个，然后根据原始文件中的所有列删除重复的行。我必须对数据进行子集处理，因为如果程序查看我添加的版本列，它将不会被视为重复行。报表列在下方
df2 = df1.drop_duplicates(subset=["UWI", "Current DOI Partners", "Encumbrances", "Lease Expiry Date", "Mineral Leases", "Operator", "Attached Land Rights", "Surface Leases"])
df2.shape
我想知道是否有一种更快的方法来对数据进行子集设置，基本上是按照我目前的设置方式，我必须列出每个列的标题。我的一些表有100多列，所以当我只想否定1列时，这是一项艰巨的工作。有没有一种方法可以填充所有的列标题，并删除我不想看到的标题？或者有没有一种方法可以在drop duplicates命令中输入我不想比较的列，而不是输入除一列之外的所有列？
如果我可以列出我不想比较的列，我将能够对我正在处理的更多数据使用相同的脚本，因为每次比较工作表时我不必编辑drop_duplicates语句。
感谢您的帮助，提前感谢！
如果我理解得很好：
- 将标题存储在列表中
- 手动删除不需要的名称
- 在
drop_duplicates()的子集内，放置列表
如果要删除的列多于要保留的列，请手动添加列表中所有需要的列。有了清单，你就不需要每次都写。
如何迭代列表：
list=['first', 'second', 'third']
for i in list:
print(i)
# Output: 'first', 'second', 'third'