Pandas如何将多个Dataframe格式数据放入一个Excel或csv中

简介: Pandas如何将多个Dataframe格式数据放入一个Excel或csv中

Pandas如何将多个Dataframe格式数据放入一个Excel或csv中

最近做项目中,需要用到将多个DataFrame存放在一个数据表excel中

下面上教程

  • Frist

首先需要 创建一个空的 Excel 表格。

dff = pd.DataFrame(columns=[“title”, “content”])

dff.to_excel(‘SOM_Result.xlsx’)


Second

我这里是放在一个循环里面,这样可以每次自动存进去,真的方便。当然,你也可以封成一个Function直接调用。

df = pd.DataFrame.from_dict(winner, orient='index')
writer = pd.ExcelWriter('SOM_Result.xlsx', engine='openpyxl')
book = load_workbook(writer.path)
writer.book = book
my_df.to_excel(excel_writer=writer, sheet_name=str(SheetNames[i_c]))
writer.save()
writer.close()

注意,如若需要用到循环,第一步创建空数据表的代码不能放在循环内,这样每次都会更新空数据表使其覆盖,导致不能将Dataframe依次存进去。

  • Thrid

需要执行将第一步创建的 空Sheet工作簿删除 操作

sheet_name1 = 'Sheet1'
# 载入工作簿
workbook = openpyxl.load_workbook('SOM_Result.xlsx')
#
# 删除目标Sheet
worksheet = workbook[sheet_name1]
workbook.remove(worksheet)
# 保存已做删除处理的工作簿
workbook.save('SOM_Result.xlsx')

到此就实现了多重Dataframe存放到一个数据表Excel文件中啦。

完整代码

# 添加库
import pandas as pd
import openpyxl
from openpyxl import load_workbook
# 1.创建一个空表格excel
dff = pd.DataFrame(columns=["title", "content"])
dff.to_excel('SOM_Result.xlsx')
# 2.存入多个数据Dataframe,此段可使用循环调用
df = pd.DataFrame.from_dict(winner, orient='index')
writer = pd.ExcelWriter('SOM_Result.xlsx', engine='openpyxl')
book = load_workbook(writer.path)
writer.book = book
my_df.to_excel(excel_writer=writer, sheet_name=str(SheetNames[i_c]))
writer.save()
writer.close()
# 3.openpyxl删除第一个空的sheet工作簿
# 删除空表头Sheet1
# 执行删除操作:
sheet_name1 = 'Sheet1'
# 载入工作簿
workbook = openpyxl.load_workbook('SOM_Result.xlsx')
#
# 删除目标Sheet
worksheet = workbook[sheet_name1]
workbook.remove(worksheet)
# 保存已做删除处理的工作簿
workbook.save('SOM_Result.xlsx')


相关文章
|
16天前
|
Java 数据处理 索引
(Pandas)Python做数据处理必选框架之一!(二):附带案例分析;刨析DataFrame结构和其属性;学会访问具体元素;判断元素是否存在;元素求和、求标准值、方差、去重、删除、排序...
DataFrame结构 每一列都属于Series类型,不同列之间数据类型可以不一样,但同一列的值类型必须一致。 DataFrame拥有一个总的 idx记录列,该列记录了每一行的索引 在DataFrame中,若列之间的元素个数不匹配,且使用Series填充时,在DataFrame里空值会显示为NaN;当列之间元素个数不匹配,并且不使用Series填充,会报错。在指定了index 属性显示情况下,会按照index的位置进行排序,默认是 [0,1,2,3,...] 从0索引开始正序排序行。
117 0
|
16天前
|
Java 数据挖掘 数据处理
(Pandas)Python做数据处理必选框架之一!(一):介绍Pandas中的两个数据结构;刨析Series:如何访问数据;数据去重、取众数、总和、标准差、方差、平均值等;判断缺失值、获取索引...
Pandas 是一个开源的数据分析和数据处理库,它是基于 Python 编程语言的。 Pandas 提供了易于使用的数据结构和数据分析工具,特别适用于处理结构化数据,如表格型数据(类似于Excel表格)。 Pandas 是数据科学和分析领域中常用的工具之一,它使得用户能够轻松地从各种数据源中导入数据,并对数据进行高效的操作和分析。 Pandas 主要引入了两种新的数据结构:Series 和 DataFrame。
210 0
|
3月前
|
Python
如何根据Excel某列数据为依据分成一个新的工作表
在处理Excel数据时,我们常需要根据列值将数据分到不同的工作表或文件中。本文通过Python和VBA两种方法实现该操作:使用Python的`pandas`库按年级拆分为多个文件,再通过VBA宏按班级生成新的工作表,帮助高效整理复杂数据。
|
3月前
|
数据采集 数据可视化 数据挖掘
用 Excel+Power Query 做电商数据分析:从 “每天加班整理数据” 到 “一键生成报表” 的配置教程
在电商运营中,数据是增长的关键驱动力。然而,传统的手工数据处理方式效率低下,耗费大量时间且易出错。本文介绍如何利用 Excel 中的 Power Query 工具,自动化完成电商数据的采集、清洗与分析,大幅提升数据处理效率。通过某美妆电商的实战案例,详细拆解从多平台数据整合到可视化报表生成的全流程,帮助电商从业者摆脱繁琐操作,聚焦业务增长,实现数据驱动的高效运营。
|
5月前
|
数据采集 安全 数据挖掘
Pandas数据合并:10种高效连接技巧与常见问题
在数据分析中,数据合并是常见且关键的步骤。本文针对合并来自多个来源的数据集时可能遇到的问题,如列丢失、重复记录等,提供系统解决方案。基于对超1000个复杂数据集的分析经验,总结了10种关键技术,涵盖Pandas库中`merge`和`join`函数的使用方法。内容包括基本合并、左连接、右连接、外连接、基于索引连接、多键合并、数据拼接、交叉连接、后缀管理和合并验证等场景。通过实际案例与技术原理解析,帮助用户高效准确地完成数据整合任务,提升数据分析效率。
493 13
Pandas数据合并:10种高效连接技巧与常见问题
|
5月前
|
存储 安全 大数据
网安工程师必看!AiPy解决fscan扫描数据整理难题—多种信息快速分拣+Excel结构化存储方案
作为一名安全测试工程师,分析fscan扫描结果曾是繁琐的手动活:从海量日志中提取开放端口、漏洞信息和主机数据,耗时又易错。但现在,借助AiPy开发的GUI解析工具,只需喝杯奶茶的时间,即可将[PORT]、[SERVICE]、[VULN]、[HOST]等关键信息智能分类,并生成三份清晰的Excel报表。告别手动整理,大幅提升效率!在安全行业,工具党正碾压手动党。掌握AiPy,把时间留给真正的攻防实战!官网链接:https://www.aipyaipy.com,解锁更多用法!
|
3月前
|
Python
将Excel特定某列数据删除
将Excel特定某列数据删除
|
8月前
|
缓存 数据可视化 BI
Pandas高级数据处理:数据仪表板制作
在数据分析中,面对庞大、多维度的数据集(如销售记录、用户行为日志),直接查看原始数据难以快速抓住重点。传统展示方式(如Excel表格)缺乏交互性和动态性,影响决策效率。为此,我们利用Python的Pandas库构建数据仪表板,具备数据聚合筛选、可视化图表生成和性能优化功能,帮助业务人员直观分析不同品类商品销量分布、省份销售额排名及日均订单量变化趋势,提升数据洞察力与决策效率。
148 12
|
8月前
|
数据采集 存储 数据可视化
Pandas高级数据处理:数据报告生成
Pandas 是数据分析领域不可或缺的工具,支持多种文件格式的数据读取与写入、数据清洗、筛选与过滤。本文从基础到高级,介绍如何使用 Pandas 进行数据处理,并解决常见问题和报错,如数据类型不一致、时间格式解析错误、内存不足等。最后,通过数据汇总、可视化和报告导出,生成专业的数据报告,帮助你在实际工作中更加高效地处理数据。
215 8
|
8月前
|
分布式计算 Hadoop 大数据
从Excel到Hadoop:数据规模的进化之路
从Excel到Hadoop:数据规模的进化之路
161 10

热门文章

最新文章