使用Python将数据保存到Excel文件

前面，我们已经学习了如何从Excel文件中读取数据，参见：

接下来，要知道的另一件重要事情是如何使用Python将数据保存回Excel文件。为什么要再回到Excel？嗯，因为我们大多数人只熟悉Excel，所以我们必须说他们的语言。但是，这并不妨碍我们使用另一种语言来简化我们的工作

保存数据到Excel文件

使用pandas将数据保存到Excel文件也很容易。最简单的方法如下：df.to_excel()，它将数据框架保存到Excel文件中。与df.read_excel()类似，这个to_excel()方法也有许多可选参数。这里我们只看其中几个参数，如果你想了解完整的参数列表，建议你阅读pandas官方文档。

让我们看一个例子，首先我们需要准备好一个用于保存的数据框架。我们将使用与read_excel()示例相同的文件。你可以在到知识星球完美Excel社群找到这个文件。

图1：由Python创建Excel文件代码

注：根据网友的建议，换成了jupyter，看起来更好些了。

在执行上述代码之后，我们将有一个名为“保存_用户.xlsx”的新文件，它是由Python创建的，结果如下：

图2：Python保存一个Excel文件

让我们打开文件，看看里面是否有相同的数据。

图3：由Python保存的Excel文件

我们会发现，列A包含一些看起来像从0开始的列表。如果你不想要这额外增加的列，可以在保存为Excel文件的同时删除该列。

使用pandas保存Excel文件时删除起始索引

.to_excel()方法提供了一个可选的参数index，用于控制我们刚才看到的额外添加的列表。我们可以通过以下方式从Excel输出文件中删除该列表：

df.to_excel('D:\保存_用户.xlsx’, index = False)

其他有用的可选参数

sheet_name：如果不喜欢默认的“Sheet1”，可以命名工作表。
na_rep：替换数据框架中“Null”值的值，默认情况下这是一个空字符串“”。但是，如果数据框架包含数字，则可能需要将其设置为np_rep=0。
columns：选择要输出的列。可能通常不使用此选项，因为在保存到文件之前，可以在数据框架中删除列。

保存数据到CSV文件

我们可以使用df.to_csv()将相同的数据框架保存到csv文件中。这些参数类似于to_excel()，因此不会在这里重复介绍它们。只是指出一个细微的区别，但这确实是Excel和CSV文件之间的区别：

CSV文件基本上是一个文本文件，它只包含一张工作表，所以我们不能重命名该工作表。

注：本文学习整理自pythoninoffice.com。

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。