Python数据分析:pandas玩转Excel(三)

简介: Python数据分析:pandas玩转Excel(三)

将对象写入Excel工作表。


要将单个对象写入 Excel .xlsx 文件,只需指定目标文件名即可。要写入多个工作表,必须创建具有目标文件名的ExcelWriter对象,并在文件中指定要写入的工作表。


可以通过指定唯一sheet_name写入多个工作表。将所有数据写入文件后,必须保存更改。请注意,创建具有已存在的文件名的ExcelWriter对象将导致删除现有文件的内容。


1 df.to_excel( )的参数


写入Excel文件


df.to_excel(self,
         excel_writer,             # 输出路径
     sheet_name='Sheet1',    # 命名excel工作表名 
         na_rep='',                # 缺失值填充 ,可以设置为字符串
         float_format=None,
         columns=None, # 选择输出的的列存入。
         header=True,  # 指定作为列名的行,默认0,即取第一行
         index=True,   # 默认为True,显示index,当index=False 则不显示行索引(名字)
         index_label=None,  # 设置索引列的列名
         startrow=0, 
         startcol=0, 
         engine=None,
         merge_cells=True,
         encoding=None, 
         inf_rep='inf', 
         verbose=True,
         freeze_panes=None)


image.png


2 Parameters参数


1.excel_writer:str or ExcelWriter object


文件路径或现有的ExcelWriter。


2.sheet_name:str, default ‘Sheet1’


包含DataFrame的工作表名称。


3.na_rep:str, default ‘’


缺少数据表示。

如果na_rep设置为bool值,则写入excel时改为0和1;也可以写入字符串或数字

4.float_format:str, optional


浮点数的格式字符串。例如 float_format="%.2f"将格式0.1234设置为0.12。


5.columns:sequence or list of str, optional


要写入的列。


6.header:bool or list of str, default True


写出列名称。如果给定字符串列表,则假定该字符串为列名称的别名。


7.index:bool, default True


写入行名(索引)。


8.index_label:str or sequence, optional


索引列的列标签(如果需要)。如果未指定,并且 标头和索引为True,则使用索引名称。如果DataFrame使用MultiIndex,则应给出一个序列。


9.startrow:int, default 0


左上角的单元格行来转储数据帧。


10.startcol:int, default 0


左上角的单元格列以转储数据帧。


11.engine:str, optional


编写要使用的引擎,“ openpyxl”或“ xlsxwriter”。您也可以通过选项设置此io.excel.xlsx.writer,io.excel.xls.writer和 io.excel.xlsm.writer。


12.merge_cells:bool, default True


将MultiIndex和Hierarchical Rows写入合并的单元格


13.encoding:str, optional


生成的excel文件的编码。只有xlwt才需要,其他作者本机支持unicode。


14.inf_rep:str, default ‘inf’


表示无穷大(Excel中没有本机表示无穷大)。


15.verbose:bool, default True


在错误日志中显示更多信息。


16.freeze_panes:tuple of int (length 2), optional


指定要冻结的从一开始的最底行和最右列。


笔记


为了与兼容to_csv(), to_excel在写入之前将列表和字典序列化为字符串。


保存工作簿后,如果不重写整个工作簿就无法写入更多数据。


3 例子


创建,写入和保存工作簿:

>>> df1 = pd.DataFrame([['a', 'b'], ['c', 'd']],
...                    index=['row 1', 'row 2'],
...                    columns=['col 1', 'col 2'])
>>> df1.to_excel("output.xlsx")  

要指定工作表名称:


>>> df1.to_excel("output.xlsx",
...              sheet_name='Sheet_name_1')


如果您希望在工作簿中写多个工作表,则必须指定一个ExcelWriter对象:


>>> df2 = df1.copy()
>>> with pd.ExcelWriter('output.xlsx') as writer:  
...     df1.to_excel(writer, sheet_name='Sheet_name_1')
...     df2.to_excel(writer, sheet_name='Sheet_name_2')


ExcelWriter也可以用于附加到现有的Excel文件:


>>> with pd.ExcelWriter('output.xlsx',
...                     mode='a') as writer:  
...     df.to_excel(writer, sheet_name='Sheet_name_3')


要设置用于写入Excel文件的库,您可以传递engine关键字(根据文件扩展名自动选择默认引擎):


>>> df1.to_excel('output1.xlsx', engine='xlsxwriter')
目录
相关文章
|
7月前
|
数据采集 数据可视化 数据挖掘
Python数据分析实战:Pandas处理结构化数据的核心技巧
在数据驱动时代,结构化数据是分析决策的基础。Python的Pandas库凭借其高效的数据结构和丰富的功能,成为处理结构化数据的利器。本文通过真实场景和代码示例,讲解Pandas的核心操作,包括数据加载、清洗、转换、分析与性能优化,帮助你从数据中提取有价值的洞察,提升数据处理效率。
367 3
|
9月前
|
自然语言处理 数据挖掘 数据处理
告别低效代码:用对这10个Pandas方法让数据分析效率翻倍
本文将介绍 10 个在数据处理中至关重要的 Pandas 技术模式。这些模式能够显著减少调试时间,提升代码的可维护性,并构建更加清晰的数据处理流水线。
314 3
告别低效代码:用对这10个Pandas方法让数据分析效率翻倍
|
9月前
|
数据采集 数据可视化 搜索推荐
Python数据分析全流程指南:从数据采集到可视化呈现的实战解析
在数字化转型中,数据分析成为企业决策核心,而Python凭借其强大生态和简洁语法成为首选工具。本文通过实战案例详解数据分析全流程,涵盖数据采集、清洗、探索、建模、可视化及自动化部署,帮助读者掌握从数据到业务价值的完整技能链。
1078 0
|
6月前
|
数据可视化 大数据 关系型数据库
基于python大数据技术的医疗数据分析与研究
在数字化时代,医疗数据呈爆炸式增长,涵盖患者信息、检查指标、生活方式等。大数据技术助力疾病预测、资源优化与智慧医疗发展,结合Python、MySQL与B/S架构,推动医疗系统高效实现。
|
6月前
|
人工智能 Java Linux
Python高效实现Excel转PDF:无Office依赖的轻量化方案
本文介绍无Office依赖的Python方案,利用Spire.XLS、python-office、Aspose.Cells等库实现Excel与PDF高效互转。支持跨平台部署、批量处理、格式精准控制,适用于服务器环境及自动化办公场景,提升转换效率与系统稳定性。
715 7
|
6月前
|
机器学习/深度学习 监控 数据挖掘
Python 高效清理 Excel 空白行列:从原理到实战
本文介绍如何使用Python的openpyxl库自动清理Excel中的空白行列。通过代码实现高效识别并删除无数据的行与列,解决文件臃肿、读取错误等问题,提升数据处理效率与准确性,适用于各类批量Excel清理任务。
616 0
|
7月前
|
数据可视化 数据挖掘 大数据
基于python大数据的水文数据分析可视化系统
本研究针对水文数据分析中的整合难、分析单一和可视化不足等问题,提出构建基于Python的水文数据分析可视化系统。通过整合多源数据,结合大数据、云计算与人工智能技术,实现水文数据的高效处理、深度挖掘与直观展示,为水资源管理、防洪减灾和生态保护提供科学决策支持,具有重要的应用价值和社会意义。
|
8月前
|
存储 数据挖掘 大数据
基于python大数据的用户行为数据分析系统
本系统基于Python大数据技术,深入研究用户行为数据分析,结合Pandas、NumPy等工具提升数据处理效率,利用B/S架构与MySQL数据库实现高效存储与访问。研究涵盖技术背景、学术与商业意义、国内外研究现状及PyCharm、Python语言等关键技术,助力企业精准营销与产品优化,具有广泛的应用前景与社会价值。
|
9月前
|
开发工具 Python
使用Python和OpenAPI将云上的安全组规则填写入Excel
本文介绍如何通过Python脚本自动化获取阿里云安全组及其规则信息,并将结果导出为Excel表格。相比CLI命令行方式,Python实现更高效、便捷,适用于需要批量处理和交付的场景。
使用Python和OpenAPI将云上的安全组规则填写入Excel
|
6月前
|
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。
472 0

推荐镜像

更多