Pandas 将DataFrame列表保存到多个sheet的Excel电子表格中
在本文中,我们将介绍如何使用Pandas将DataFrame列表保存到一个Excel电子表格的多个sheet中。如果我们有多个DataFrame需要保存到同一个Excel电子表格中,可以按照以下步骤进行操作:
- 导入Pandas库
import pandas as pd
- 创建DataFrame
我们首先需要创建一些DataFrame来演示如何保存它们到Excel电子表格中。以下是一个示例:
df1 = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]})
df2 = pd.DataFrame({'fruit': ['apple', 'banana', 'cherry'], 'price': [1.2, 1.5, 1.8]})
df3 = pd.DataFrame({'color': ['red', 'green', 'blue'], 'size': [1, 2, 3]})
上面的代码创建了三个DataFrame。我们可以使用head()
函数来查看DataFrame的前几行数据:
print(df1.head())
print(df2.head())
print(df3.head())
输出结果为:
name age
0 Alice 25
1 Bob 30
2 Charlie 35
fruit price
0 apple 1.2
1 banana 1.5
2 cherry 1.8
color size
0 red 1
1 green 2
2 blue 3
- 创建Excel Writer对象
接下来,我们将创建一个Excel Writer对象,用于将DataFrame保存到Excel电子表格中。我们可以使用ExcelWriter()
函数创建一个Excel Writer对象:
writer = pd.ExcelWriter('data.xlsx', engine='xlsxwriter')
上面的代码将创建一个名为data.xlsx
的Excel电子表格,并使用xlsxwriter
引擎创建Excel Writer对象。我们将在这个Excel电子表格中创建多个sheet,并将DataFrame保存进去。
- 将DataFrame保存到Excel电子表格的不同sheet中
现在,我们将DataFrame保存到Excel电子表格的不同sheet中。我们可以使用to_excel()
方法将DataFrame写入Excel Writer对象中。我们需要指定sheet的名称。
df1.to_excel(writer, sheet_name='Sheet1')
df2.to_excel(writer, sheet_name='Sheet2')
df3.to_excel(writer, sheet_name='Sheet3')
上面的代码将df1
保存到Sheet1
,df2
保存到Sheet2
,df3
保存到Sheet3
。我们可以使用以下代码来保存Excel电子表格并关闭Excel Writer对象:
writer.save()
writer.close()
- 完整代码
下面是完整的示例代码供参考:
import pandas as pd
df1 = pd.DataFrame({'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]})
df2 = pd.DataFrame({'fruit': ['apple', 'banana', 'cherry'], 'price': [1.2, 1.5, 1.8]})
df3 = pd.DataFrame({'color': ['red', 'green', 'blue'], 'size': [1, 2, 3]})
writer = pd.ExcelWriter('data.xlsx', engine='xlsxwriter')
df1.to_excel(writer, sheet_name='Sheet1')
df2.to_excel(writer, sheet_name='Sheet2')
df3.to_excel(writer, sheet_name='Sheet3')
writer.save()
writer.close()
- 总结
本文介绍了如何使用Pandas将DataFrame列表保存到一个Excel电子表格的多个sheet中。我们首先创建了一些DataFrame,然后创建了一个Excel Writer对象,并将DataFrame保存到Excel电子表格的不同sheet中。通过本文,可以方便地将多个数据源保存到同一个Excel电子表格中,方便后续操作。
阅读更多:Pandas 教程