Bemind
Учебник Python
Учебник Python
  • Python
    • Python Lists
      • Списковые включения в Python (Полное руководство с примерами)
      • Исправление ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Как добавить строку в список в Python
      • Разница между массивами и списками в Python
      • Python: Различия между списками и кортежами
      • Как проверить, пуст ли список в Python
      • Как Итерировать (Циклически Проходить) По Списку в Python
      • Python List sort(): Подробное руководство по сортировке списков
      • Python List Extend: Как добавить несколько элементов в список
      • Python: Найти Индекс Всех Вхождений Элемента в Списке
      • Конвертация списка словарей в Pandas DataFrame
      • Генерация случайных чисел в Python
      • Поиск Индекса в Списке Python: Найти Первое, Последнее или Все Вхождения
      • Добавить в начало списка в Python (Вставить в начало)
      • Найти дубликаты в списке Python
      • Python: Умножение Списков (6 Различных Способов)
      • Python списки: Полный обзор
      • Python: Выбор случайного элемента из списка
      • 4 Способа Очистить Список в Python
      • Объяснение ошибки IndexError в Python: индекс списка выходит за пределы допустимого диапазона
      • Python: Получение индекса максимального элемента в списке
      • Python: Объединение списков – Слияние списков (8 способов)
      • Python: Проверка наличия элемента в списке
      • Python: Проверка наличия элемента в списке
      • Удаление элемента из списка в Python (pop, remove, del, clear)
      • Как перевернуть список в Python (6 способов)
      • Python: Замена элемента в списке (6 различных способов)
      • Python: Удаление дубликатов из списка (7 способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Перемешать Список (Случайное Распределение Элементов Списка в Python)
      • Python: Пересечение двух списков
      • Python: Вычитание двух списков (4 простых способа!)
      • Длина или Размер Списка в Python: 5 Способов Узнать Длину Списка
      • Python: Транспонирование списка списков (5 простых способов!)
      • Python: Разделение списка (Пополам, на части)
      • Python: Комбинации списка (Получить все комбинации списка)
      • Python: Выравнивание списка списков (4 способа)
      • Разница между списками в Python: Нахождение разницы между двумя списками Python
      • Python: Найти среднее значение списка или списка списков
      • Как добавлять элементы в списки в Python – 4 простых способа!
      • Списковые включения в Python (Полное руководство с примерами)
      • 6 способов преобразовать список Python в строку
    • Python Dictionaries
      • Понимание словаря Python (с примерами)
      • Исправляем ValueError: Слишком Много Значений Для Распаковки в Python
      • Как добавить словарь в список в Python
      • Преобразование JSON в словарь Python
      • Полное руководство по вложенным словарям в Python
      • Копирование словаря в Python: Полное руководство
      • Конвертация списка словарей в Pandas DataFrame
      • Поиск дубликатов в списке Python
      • Полный обзор словарей в Python
      • Python: Добавление пары Ключ:Значение в Словарь
      • Python: Сортировка словаря по значениям
      • Слияние Словарей в Python – Комбинирование Словарей (7 Способов)
      • Python: Удаление Дубликатов из Списка (7 Способов)
      • Python: Преобразование словаря в список кортежей (4 простых способа)
      • Python: Красивая Печать Словаря (Dictionary) – 4 Способа
      • Python: Проверка пуст ли словарь (5 способов!)
      • Copy of Python: Проверка пуст ли словарь (5 способов!)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Проверьте, существует ли ключ (или значение) в словаре (5 простых способов)
      • Python: Получение Ключа Словаря с Максимальным Значением (4 Способа)
      • Python: Удаление ключа из словаря (4 разных способа)
      • Как красиво вывести JSON-файл в Python (6 методов)
    • Python Strings
      • Python Капитализация Строк: Руководство по Преобразованию слов в Заглавные
      • Python strip: Как обрезать строку в Python
      • Python Обратная Строка: Руководство по Реверсированию Строк
      • Как Удалить Префикс или Суффикс из Строки в Python
      • Преобразование строки в формат заголовка в Python с помощью str.title()
      • Как добавить строку в список в Python
      • Python String startswith: Проверка, начинается ли строка с подстроки
      • Python String endswith: Проверка того, заканчивается ли строка подстрокой
      • Как удалить первый или последний символ из строки в Python
      • Как исправить: SyntaxError в Python - EOL при сканировании строкового литерала
      • Python String Contains: Проверка Наличия Подстроки в Строке
      • Как проверить, пустая ли строка в Python
      • Python Новая Строка и Как Печатать Без Переноса Строки
      • Как Конкатенировать Строки в Python: Полное Руководство
      • Python: Подсчет слов в строке или файле
      • Как создать список алфавита в Python
      • Python: Конкатенация строки и целого числа (Int)
      • Python: Сортировка строки (4 различных способа)
      • Python zfill и rjust: Добавление нулей в строку в Python
      • Python: Целое в Двоичное (Преобразование целого числа в двоичную строку)
      • Python rfind: Нахождение индекса последней подстроки в строке
      • Python SHA256 хеширование алгоритм: объяснение
      • Python: Усечение числа с плавающей точкой (6 различных способов)
      • Выбор между методами Python isdigit(), isnumeric() и isdecimal()
      • Python: Удаление специальных символов из строки
      • Python Приведение Строки к Нижнему Регистру с помощью .lower(), .casefold(), и .islower()
      • Python программа для проверки, является ли строка палиндромом (6 методов)
      • Python: Найдите все перестановки строки (3 легких способа!)
      • Python: Удаление пунктуации из строки (3 разных способа!)
      • Python: Найти индекс (или все индексы) подстроки в строке
      • Python: Удаление символов новой строки из строки
      • Python: Удаление символа из строки (4 способа)
      • Python: Количество вхождений в строке (4 способа!)
    • Встроенные функции Python
      • abs()
      • ascii()
      • aiter()
      • all()
      • any()
      • anext()
      • bin()
      • bool()
      • breakpoint()
      • bytearray()
      • bytes()
      • callable()
      • chr()
      • classmethod()
      • compile()
      • complex()
      • delattr()
      • dict()
      • dir()
      • divmod()
      • enumerate()
      • eval()
      • exec()
      • filter()
      • float()
      • format()
      • frozenset()
      • getattr()
      • globals()
      • hasattr()
      • hash()
      • help()
      • hex()
      • id()
      • input()
      • int()
      • issubclass()
      • iter()
      • len()
      • list()
      • locals()
      • map()
      • max()
      • memoryview()
      • min()
      • next()
      • object()
      • oct()
      • open()
      • ord()
      • pow()
      • print()
      • property()
      • range()
      • repr()
      • reversed()
      • round()
      • set()
      • setattr()
      • isinstance()
      • slice()
      • zip()
      • type()
      • sorted()
      • staticmethod()
      • str()
      • sum()
      • super()
      • tuple()
      • vars()
      • import()
    • Cобеседования Python. Разбор реальных вопросов.
    • Встроенные методы в Python
  • Учебники по Pandas и Numpy
    • Numpy
      • Функция активации ReLU для глубокого обучения: полное руководство по выпрямленному линейному блоку
      • Как нормализовать массивы NumPy (минимальное-максимальное масштабирование, Z-оценка, L2)
      • NumPy where: Условная обработка элементов массива
      • NumPy linspace: создание равномерно расположенных массивов с помощью np.linspace
      • Как рассчитать векторное произведение в Python
      • Разделение NumPy: Разделение массива NumPy на части
      • NumPy: Лучшие способы применения функции к массиву
      • NumPy full: Создание массивов с заданным значением
      • NumPy clip(): Ограничьте значения массива минимальным и максимальным значениями
      • NumPy cumsum: Расчет кумулятивных сумм массивов NumPy
      • Изучаем функцию np.histogram в NumPy: создаем гистограмму
      • NumPy arange(): Полное руководство (с примерами)
      • Руководство по индексации и срезам массивов NumPy: Полное руководство
      • NumPy argmin(): Получение индекса минимального значения в массивах
      • Выравнивание массива с помощью NumPy flatten
      • Объединение массивов NumPy по различным осям с использованием функции stack
      • Удаление размерности из массивов NumPy с помощью NumPy Squeeze
      • Функция np.repeat() NumPy: Повторение массивов NumPy
      • Использование функции NumPy.exp() для вычисления экспоненты
      • Реализация функции сигмоида на Python
      • NumPy Pad: Использование np.pad() для дополнения массивов и матриц
      • np.argmax(): Как использовать NumPy Argmax
      • NumPy logspace: Понимание функции np.logspace()
      • Использование NumPy Tile для Расположения Массивов
      • NumPy Zeros: Создание массивов и матриц с нулями в NumPy
      • Использование числа Пи в Python (NumPy и Math)
      • Распределение Нормального (Гауссова) Распределения в Numpy (Случайное Нормальное в Numpy)
      • NumPy для Data Science на Python
      • Расчет скалярного произведения с использованием Numpy в Python
      • Расчет натурального логарифма на Python
    • Pandas
      • Python сводные таблицы – Полное руководство
      • Изучение API стиля Pandas
      • Объяснение группировки по нескольким столбцам в Pandas с примерами
      • Удаление индексной колонки DataFrame в Pandas: Руководство с примерами
      • Pandas Quantile: Расчет процентилей в DataFrame
      • Как рассчитать скользящее среднее (среднее арифметическое) в Pandas
      • Руководство по использованию метода fillna в Pandas для работы с отсутствующими данными в DataFrame
      • Pandas unique(): Получение уникальных значений в DataFrame
      • Распакуйте Ваши Данные с Помощью Функции Melt в Pandas
      • Pandas date_range: Как Создать Диапазон Дат в Pandas
      • Сброс индекса в Pandas: как сбросить индекс в Pandas
      • Pandas replace() – Замена значений в DataFrame Pandas
      • Перемещение столбца DataFrame Pandas на позицию (В начало и в конец)
      • Учебное пособие по Python Pandas: полное руководство
      • Pandas: Замена NaN на нули
      • Преобразование DataFrame Pandas в файл Pickle
      • Конвертация Pandas DataFrame в JSON
      • Преобразование DataFrame Pandas в Словарь
      • Преобразование Pandas DataFrame в Список
      • Чтение файлов Parquet в Pandas с помощью pd.read_parquet
      • Pandas dropna(): Удаление отсутствующих записей и столбцов в DataFrame
      • Как Добавить Новый Столбец в DataFrame Pandas
      • Подсчёт уникальных значений в Pandas
      • Отображение всех столбцов и строк в DataFrame Pandas
      • Pandas to_excel: Запись DataFrames в файлы Excel
      • Как использовать Pandas для чтения файлов Excel в Python
      • Преобразование списка словарей в Pandas DataFrame
      • Как добавить/вставить строку в DataFrame Pandas
      • Диаграмма рассеяния в Pandas: Как создать диаграмму рассеяния в Pandas
      • Pandas to_datetime: Преобразование строки Pandas в дату и время
      • Введение в Pandas для Data Science
      • Индексация, Выборка и Присваивание Данных в Pandas
      • Суммирование и Анализ Pandas DataFrame
      • Преобразование столбцов Pandas с помощью map и apply
      • Группировка данных в Pandas с использованием cut и qcut
      • Дата и время в Pandas и Python
      • Очистка и подготовка данных в Pandas и Python
      • Pandas GroupBy: группировка, суммирование и агрегация данных в Python
      • Pandas Дата и Время в Части Даты (месяц, год и т.д.)
      • Pandas: Получение номера строки из DataFrame
      • Вычисление Взвешенного Среднего в Pandas и Python
      • Как перемешать строки Pandas Dataframe в Python
      • Pandas: количество столбцов (подсчет столбцов в DataFrame)
      • Pandas Sum: сложение столбцов и строк DataFrame
      • Pandas Diff: Вычисление Разницы Между Строками Pandas
      • Нормализация столбца или датафрейма Pandas (с использованием Pandas или sklearn)
      • Функция Rank в Pandas: Ранжирование данных в Dataframe (Эквивалент SQL row_number)
      • Pandas Describe: Описательная статистика вашего Dataframe
      • Pandas Shift: Перемещение столбца DataFrame вверх или вниз
      • 7 Способов Выполнения Выборки Данных в Pandas
      • Экспорт DataFrame Pandas в CSV файл – Использование .to_csv()
      • Pandas: Итерация по строкам DataFrame в Pandas
      • Pandas: Преобразование значений столбца в строки
      • Дисперсия в Pandas: Вычисление дисперсии столбца в Pandas Dataframe
      • Pandas: Создание DataFrame из списков (5 способов!)
      • Pandas Rename Index: Как переименовать индекс DataFrame в Pandas
      • Pandas: Подсчёт уникальных значений в объекте GroupBy
      • Pandas: Добавить дни к колонке с датами
      • Среднее в Pandas: Как рассчитать среднее для одной или нескольких колонок
      • Pandas Column to List – Конвертируйте колонку Pandas в список
      • Транспонирование Dataframe в Pandas
      • Python: Разделение DataFrame Pandas
      • Как получить имена столбцов в DataFrame Pandas
      • Pandas: Количество строк в DataFrame (6 способов)
      • Создание пустого DataFrame Pandas и добавление данных
      • Как переименовать столбцы в Pandas DataFrame (с примерами)
      • Изменение порядка столбцов в Pandas: использование метода reindex и метода insert
      • Pandas get_dummies (One-Hot кодирование), объяснение
      • Относительные и Абсолютные Частоты в Python и Pandas
      • Финансовый год – Определение финансового года в Pandas
      • Как сортировать данные в DataFrame Pandas
  • Учебники Matplotlib и Seaborn
    • Seaborn
      • Регрессионные графики в Seaborn с использованием regplot и lmplot
      • Seaborn residplot – Построение остатков линейной регрессии
      • Seaborn jointplot() – Создание совместных графиков в Seaborn
      • Seaborn displot – Распределенческие графики в Python
      • Seaborn ecdfplot – Эмпирические функции накопленного распределения
      • Seaborn rugplot – Визуализация маргинальных распределений
      • Seaborn kdeplot – Создание графиков оценки плотности ядра
      • Seaborn histplot – Создание Гистограмм в Seaborn
      • Seaborn catplot – Визуализация категориальных данных в Python
      • Средняя тенденция для категориальных данных в Seaborn Pointplot
      • Seaborn stripplot: Jitter Plots для распределений категориальных данных
      • Seaborn Countplot – Подсчет категориальных данных в Python
      • Seaborn swarmplot: Bee Swarm Plots для распределения категориальных данных
      • Скрипичные графики Seaborn в Python: Полное руководство
      • Настройка расположения легенд Seaborn, меток, текста и т.д.
      • Тепловая карта Seaborn: Полное руководство
      • Создание многосекционных сеток в Seaborn с помощью FacetGrid
      • Удаление рамки в Seaborn: Как работать с рамкой
      • Заголовки и метки осей в Seaborn: добавление и настройка
      • Как установить Seaborn в Python (Исправление: no module named seaborn)
      • Seaborn relplot – Создание точечных и линейных графиков
      • Полное руководство по созданию точечных диаграмм (scatter plots) в Python с использованием Seaborn
    • Matplotlib
      • Режим Retina в Matplotlib: Улучшение Качества Графиков
      • Как построить функцию в Python с использованием Matplotlib
      • Как создать 3D-диаграммы рассеяния в Matplotlib
      • Как изменить размер шрифта в графике Matplotlib
      • Установка размера маркера в точечных диаграммах Matplotlib
      • Как изменить размер графика и фигуры в Matplotlib
      • Как добавить названия в Matplotlib: Заголовок, Подзаголовок, Названия Осей
      • Pandas Scatter Plot: Как создать диаграмму рассеяния в Pandas
      • Построение графиков в Python с помощью Matplotlib
      • Диаграммы рассеяния Matplotlib – Все, что вам нужно знать
      • Диаграммы с столбцами в Matplotlib – Узнайте все, что вам нужно знать
      • Линейные диаграммы Matplotlib – Всё, что вам нужно знать
      • Построение гистограммы в Python с Matplotlib и Pandas
  • Алгоритмы
    • Алгоритм поиска в ширину (BFS) в Python
    • Алгоритм поиска в глубину (DFS) на Python
  • AI создает хедж-фонд для анализа акций на Python
Powered by GitBook
On this page
  • Быстрый ответ: используйте Pandas to_excel
  • Понимание функции Pandas to_excel
  • Как сохранить фрейм данных Pandas в Excel
  • Как включить индекс при сохранении фрейма данных Pandas в Excel
  • Как переименовать индекс при сохранении фрейма данных Pandas в Excel
  • Как сохранить несколько фреймов данных на разных листах в Excel
  • Как сохранить только некоторые столбцы при экспорте фреймов данных Pandas в Excel
  • Как переименовать столбцы при экспорте фреймов данных Pandas в Excel
  • Как указать начальные позиции при экспорте фрейма данных Pandas в Excel
  • Как представить отсутствующие и бесконечные значения при сохранении фрейма данных Pandas в Excel
  • Как объединить ячейки при записи многоиндексных фреймов данных в Excel
  • Как закрепить панели при сохранении фрейма данных Pandas в Excel
  • Заключение
  • Дополнительные ресурсы
  1. Учебники по Pandas и Numpy
  2. Pandas

Pandas to_excel: Запись DataFrames в файлы Excel

PreviousОтображение всех столбцов и строк в DataFrame PandasNextКак использовать Pandas для чтения файлов Excel в Python

Last updated 1 year ago

В этом руководстве вы научитесь сохранять ваши DataFrame или DataFrames Pandas в файлы Excel. Умение сохранять данные в этом всемирно распространенном формате данных является важным навыком во многих организациях. В этом руководстве вы научитесь сохранять простой DataFrame в Excel, а также настроить ваши параметры, чтобы создать отчет, который вы хотите!

К концу этого руководства вы узнаете:

  • Как сохранить DataFrame Pandas в Excel

  • Как настроить имя листа вашего DataFrame в Excel

  • Как настроить имена индексов и столбцов при записи в Excel

  • Как написать несколько DataFrames в Excel в Pandas

  • Следует ли объединять ячейки или замораживать панели при записи в Excel в Pandas.

  • Как форматировать пропущенные значения и значения бесконечности при написании Pandas в Excel

Оглавление

Быстрый ответ: используйте Pandas to_excel

Чтобы записать DataFrame Pandas в файл Excel, вы можете использовать метод .to_excel(), применяемый к DataFrame, как показано ниже:

# Сохранение Pandas DataFrame в файл Excel
# Без имени листа
df.to_excel(file_name)

# С именем листа
df.to_excel(file_name, sheet_name='My Sheet')

# Без индекса
df.to_excel(file_name, index=False)

Понимание функции Pandas to_excel

Перед тем, как погрузиться в какие-либо конкретные детали, давайте рассмотрим различные параметры, которые предлагает метод. Метод предоставляет множество различных опций, позволяя вам настраивать вывод вашего DataFrame множеством различных способов. Давайте рассмотрим:

# Множество параметров функции .to_excel()
df.to_excel(excel_writer, sheet_name='Лист1', na_rep='', float_format=None, columns=None, header=True, index=True, index_label=None, startrow=0, startcol=0, engine=None, merge_cells=True, encoding=None, inf_rep='inf', verbose=True, freeze_panes=None, storage_options=None)

Давайте разберем, что делает каждый из этих параметров:

Параметр
Описание
Доступные Варианты

excel_writer=

Путь к ExcelWriter, который будет использоваться.

path-like, file-like, or ExcelWriter object

sheet_name=

Имя используемого листа

Строка, представляющая имя, по умолчанию ‘Sheet1’

na_rep=

Как представить недостающие данные

Строка, по умолчаниюt ''

float_format=

Позволяет передавать строку формата для форматирования значений с плавающей запятой.

Строка

columns=

Столбцы, которые будут использоваться при записи в файл

Список строк. Если пусто, будет написано все

header=

Принимает либо логическое значение, либо список значений. Если логическое значение, заголовок будет либо включен, либо нет. Если указан список значений, для имен столбцов будут использоваться псевдонимы.

Логическое значение или список значений

index=

Включить ли индексный столбец или нет.

логическое значение

index_label=

Метки столбцов, используемые для индекса.

Строка или список строк.

startrow=

Верхняя левая ячейка для запуска DataFrame.

Целое число, по умолчанию 0

startcol=

Верхний левый столбец для запуска DataFrame.

Целое число, по умолчанию 0

engine=

Движок, используемый для записи.

openpyxl or xlsxwriter

merge_cells=

Записывать ли многоиндексные ячейки или иерархические строки как объединенные ячейки

Boolean, default True

encoding=

Кодировка полученного файла.

Строка

inf_rep=

Как представлять значения бесконечности (поскольку в Excel нет представления)

Строка, по умолчанию 'inf'

verbose=

Отображать ли дополнительную информацию в журналах ошибок.

Логическое значение, по умолчанию True

freeze_panes=

Позволяет передать кортеж строки и столбца, чтобы начать замораживание панелей.

Кортеж целых чисел длиной 2

storage_options=

Дополнительные параметры, которые позволяют сохранять данные в конкретном подключении к хранилищу.

Словарь

Как сохранить фрейм данных Pandas в Excel

Самый простой способ сохранить DataFrame Pandas в файл Excel — это передать путь методу .to_excel(). Это сохранит DataFrame в файл Excel по этому пути, заменив существующий файл Excel, если он уже существует.

Давайте посмотрим, как это работает:

# Сохранение Pandas DataFrame в файл Excel
import pandas as pd
df = pd.DataFrame.from_dict(
    {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
)

df.to_excel('имя_файла.xlsx')

Выполнение кода как показано выше сохранит файл со всеми другими параметрами по умолчанию. Это возвращает следующее изображение:

Вы можете указать имя листа, используя параметр sheet_name=. По умолчанию Pandas будет использовать 'sheet1'.

# Указание имени листа при сохранении в Excel
import pandas as pd
df = pd.DataFrame.from_dict(
    {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
)

df.to_excel('имя_файла.xlsx', sheet_name='Ваш лист')

Это возвращает следующую рабочую книгу:

В следующем разделе вы узнаете, как настроить включение или исключение индексного столбца.

Как включить индекс при сохранении фрейма данных Pandas в Excel

По умолчанию Pandas будет включать индекс при сохранении DataFrame Pandas в файл Excel. Это может быть полезно, когда индекс имеет особое значение (такое как дата и время). Однако во многих случаях индекс просто будет представлять значения от 0 до конца записей.

Если вы не хотите включать индекс в свой файл Excel, вы можете использовать параметр index=, как показано ниже:

# Как исключить индекс при сохранении DataFrame в Excel
import pandas as pd
df = pd.DataFrame.from_dict(
    {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
)

df.to_excel('имя_файла.xlsx', index=False)

Это возвращает следующий файл Excel:

В следующем разделе вы узнаете, как переименовать индекс при сохранении DataFrame Pandas в файл Excel.

Как переименовать индекс при сохранении фрейма данных Pandas в Excel

По умолчанию Pandas не присваивает названия индексам вашего DataFrame. Это может привести к путанице и ухудшению результатов при попытке манипулировать данными в Excel, будь то фильтрация или создание сводных таблиц. Из-за этого может быть полезным задать имя или имена для ваших индексов.

Pandas упрощает этот процесс с помощью параметра index_label=. Данный параметр принимает одну строку (для одного индекса) или список строк (для мульти-индекса). Смотрите ниже, как вы можете использовать этот параметр:

# Указание имени для индекса Pandas
import pandas as pd
df = pd.DataFrame.from_dict(
    {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
)

df.to_excel('имя_файла.xlsx', index_label='Ваш индекс')

Это возвращает следующий лист:

Как сохранить несколько фреймов данных на разных листах в Excel

Одна из задач, с которой вы можете столкнуться довольно часто, заключается в необходимости сохранить несколько DataFrame Pandas в одном файле Excel, но на разных листах. В этом случае Pandas делает процесс менее интуитивно понятным. Если вы просто выполните следующий код, вторая команда перезапишет первую команду:

# Неправильный способ сохранения нескольких DataFrame в один и тот же книгу Excel
import pandas as pd
df = pd.DataFrame.from_dict(
    {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
)

df.to_excel('имя_файла.xlsx', sheet_name='Лист1')
df.to_excel('имя_файла.xlsx', sheet_name='Лист2')

Вместо этого нам нужно использовать Excel Writer библиотеки Pandas для управления открытием и сохранением нашей книги. Это можно легко сделать, используя менеджер контекста, как показано ниже:

# Правильный способ сохранения нескольких DataFrame в один и тот же файл Excel
import pandas as pd
df = pd.DataFrame.from_dict(
    {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
)

with pd.ExcelWriter('имя_файла.xlsx') as writer:
    df.to_excel(writer, sheet_name='Лист1')
    df.to_excel(writer, sheet_name='Лист2')

Это приведет к созданию нескольких листов в одной и той же книге. Листы будут созданы в том же порядке, в котором вы указываете их в команде выше.

Это возвращает следующую рабочую книгу:

Как сохранить только некоторые столбцы при экспорте фреймов данных Pandas в Excel

При сохранении DataFrame в файл Excel не всегда необходимо сохранять все столбцы. Часто файл Excel используется для отчетности, и сохранение всех столбцов может быть избыточным. Для этого можно использовать параметр columns=, чтобы сохранить только необходимые столбцы.

Давайте посмотрим, как мы можем сохранить только несколько столбцов из нашего набора данных:

# Сохранение только подмножества столбцов в Excel
import pandas as pd
df = pd.DataFrame.from_dict(
    {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
)

df.to_excel('имя_файла.xlsx', columns=['A', 'B'])

Перевести на русский язык

Как переименовать столбцы при экспорте фреймов данных Pandas в Excel

Продолжая наш разговор о том, как управлять столбцами DataFrame в Pandas при экспорте в Excel, мы также можем переименовать наши столбцы в сохраненном файле Excel. Преимущество этого в том, что мы можем работать с псевдонимами в Pandas, которые могут быть легче для написания, но затем выводить готовые для презентации имена столбцов при сохранении в Excel.

Это можно выполнить, используя параметр header=. Данный параметр принимает либо булево значение, либо список значений. Если передается булево значение, вы можете решить, включать ли заголовок или нет. Когда предоставляется список строк, тогда вы можете изменить названия столбцов в получаемом файле Excel, как показано ниже:

# Изменение имен столбцов при экспорте Pandas DataFrame в Excel
import pandas as pd
df = pd.DataFrame.from_dict(
    {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
)

df.to_excel('имя_файла.xlsx', header=['Новый_A', 'Новый_B', 'Новый_C'])

Это возвращает следующий лист в Excel:

Как указать начальные позиции при экспорте фрейма данных Pandas в Excel

Одной из интересных функций, которую предоставляет Pandas, является возможность изменения начальной позиции сохранения вашего DataFrame на листе Excel. Это может быть полезно, если вы планируете добавить различные строки над вашими данными или логотип вашей компании.

Давайте посмотрим, как мы можем использовать параметры startrow= и startcol=, чтобы изменить это:

# Изменение начальной строки и столбца при сохранении DataFrame в файл Excel
import pandas as pd
df = pd.DataFrame.from_dict(
    {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
)

df.to_excel('имя_файла.xlsx', startcol=3, startrow=2)

Это возвращает следующий рабочий лист:

Как представить отсутствующие и бесконечные значения при сохранении фрейма данных Pandas в Excel

В этом разделе вы узнаете, как представлять отсутствующие данные и значения бесконечности при сохранении DataFrame Pandas в Excel. Поскольку Excel не имеет способа представления бесконечности, Pandas по умолчанию использует строку 'inf', чтобы представить любые значения бесконечности.

Чтобы изменить эти поведения, мы можем использовать параметры na_rep= и inf_rep=, чтобы изменить представление отсутствующих значений и значений бесконечности соответственно. Давайте посмотрим, как мы можем сделать это, добавив некоторые из этих значений в наш DataFrame:

# Настройка вывода отсутствующих и бесконечных значений при сохранении в Excel
import pandas as pd
import numpy as np

df = pd.DataFrame.from_dict(
    {'A': [1, np.NaN, 3], 'B': [4, 5, np.inf], 'C': [7, 8, 9]}
)

df.to_excel('filename.xlsx', na_rep='NA', inf_rep='INFINITY')

Это возвращает следующий рабочий лист:

Как объединить ячейки при записи многоиндексных фреймов данных в Excel

В этом разделе вы узнаете, как изменить поведение многоуровневых DataFrame при сохранении их в Excel. По умолчанию Pandas устанавливает параметр merge_cells= в значение True, что означает слияние ячеек. Давайте посмотрим, что произойдет, если мы установим это поведение в False, указывая, что ячейки объединяться не должны.

# Изменение поведения объединения ячеек для DataFrame с множественным индексом
import pandas as pd
import numpy as np
from random import choice

df = pd.DataFrame.from_dict({
    'A': np.random.randint(0, 10, size=50),
    'B': [choice(['a', 'b', 'c']) for i in range(50)],
    'C': np.random.randint(0, 3, size=50)})

pivot = df.pivot_table(index=['B', 'C'], values='A')

pivot.to_excel('имя_файла.xlsx', merge_cells=False)

Это возвращает таблицу Excel ниже:

Как закрепить панели при сохранении фрейма данных Pandas в Excel

В этом заключительном разделе вы узнаете, как заморозить области в вашем итоговом рабочем листе Excel. Это позволяет вам указать строку и столбец, на которых вы хотите заморозить панели. Это можно сделать с использованием параметра freeze_panes=. Параметр принимает кортеж из целых чисел (длиной 2). Кортеж представляет собой самую нижнюю строку и самый правый столбец, которые должны быть заморожены.

Давайте посмотрим, как мы можем использовать параметр freeze_panes=, чтобы "заморозить" области в Excel:

# Закрепление области в книге Excel с помощью Pandas
import pandas as pd
import numpy as np

df = pd.DataFrame.from_dict(
    {'A': [1, np.NaN, 3], 'B': [4, 5, np.inf], 'C': [7, 8, 9]}
)

df.to_excel('имя_файла.xlsx', freeze_panes=(3,4))

Это возвращает следующую рабочую книгу:

Заключение

В этом учебном пособии вы научились сохранять DataFrame Pandas в файл Excel с помощью метода to_excel. Сначала вы изучили все различные параметры, которые предлагала функция, на высоком уровне. Затем вы научились использовать эти параметры, чтобы контролировать, как должен быть сохранен результирующий файл Excel. Например, вы узнали, как указать названия листов, названия индексов и включать ли индекс. Далее вы научились включать в результирующий файл только некоторые столбцы и как переименовать столбцы вашего DataFrame. Вы также узнали, как изменить начальное положение данных и как заморозить области.

Дополнительные ресурсы

Чтобы узнать больше о связанных темах, ознакомьтесь с обучающими материалами ниже:

  • Как использовать Pandas для чтения файлов Excel на Python

  • Таблица данных Pandas в файл CSV – экспорт с использованием .to_csv()

  • Введение в Pandas для науки о данных

Официальная документация: Pandas to_excel
Быстрый ответ: используйте Pandas to_excel
Понимание функции Pandas to_excel
Как сохранить фрейм данных Pandas в Excel
Как включить индекс при сохранении фрейма данных Pandas в Excel
Как переименовать индекс при сохранении фрейма данных Pandas в Excel
Как сохранить несколько фреймов данных на разных листах в Excel
Как сохранить только некоторые столбцы при экспорте фреймов данных Pandas в Excel
Как переименовать столбцы при экспорте фреймов данных Pandas в Excel
Как указать начальные позиции при экспорте фрейма данных Pandas в Excel
Как представить отсутствующие и бесконечные значения при сохранении фрейма данных Pandas в Excel
Как объединить ячейки при записи многоиндексных фреймов данных в Excel
Как закрепить панели при сохранении фрейма данных Pandas в Excel
Заключение
Дополнительные ресурсы
06 - Saving Pandas DataFrame to Excel with only some columns
03- Saving Pandas DataFrame to Excel without Index
04 - Saving Pandas DataFrame to Excel with Labelled Index
05 - Saving Multiple Pandas Dataframes to Excel Worksheets
02 - Saving Pandas DataFrame to Excel with Sheet Name
08 - Specifying starting position for excel
07 - Saving Pandas DataFrame to Excel with renamed columns.png
11 - Saving Pandas DataFrame to Excel with frozen panes
10 - Prevent merging cells when saving Pandas to Excel
09 - Saving Pandas DataFrame to Excel with infinity and missing data