### 使用Python的Pandas或Openpyxl库导出数据到Excel表格 #### 方法一：使用 Pandas 导出数据到 Excel 表格 Pandas 提供了一个简单易用的功能来将 DataFrame 数据保存为 Excel 文件。以下是具体实现方法： ```python import pandas as pd # 创建示例数据 data = { 'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35], 'City': ['New York', 'Los Angeles', 'Chicago'] } df = pd.DataFrame(data) # 将数据写入 Excel 文件 output_file = "example_output_pandas.xlsx" df.to_excel(output_file, index=False) # 设置 index=False 防止写入索引列 ``` 此代码片段展示了如何通过 `to_excel` 函数将一个简单的字典转换成 DataFrame 并将其存储为 Excel 文件[^1]。 --- #### 方法二：使用 Openpyxl 库创建和编辑 Excel 文件 如果需要更灵活的操作（如设置单元格样式、调整列宽等），可以使用 Openpyxl 来操作 Excel 文件。以下是一个基本的例子： ```python from openpyxl import Workbook # 创建一个新的工作簿对象 wb = Workbook() ws = wb.active # 添加一些数据 data = [ ["Name", "Age", "City"], ["Alice", 25, "New York"], ["Bob", 30, "Los Angeles"], ["Charlie", 35, "Chicago"] ] for row in data: ws.append(row) # 调整列宽以适应内容 for column_cells in ws.columns: length = max(len(str(cell.value)) for cell in column_cells) ws.column_dimensions[column_cells[0].column_letter].width = length + 2 # 保存文件 output_file = "example_output_openpyxl.xlsx" wb.save(output_file) ``` 这段代码演示了如何利用 Openpyxl 手动构建 Excel 工作表，并动态调整列宽以更好地显示内容[^3]。 --- #### 结合 Pandas 和 Openpyxl 的高级功能 当需要对导出的数据应用复杂的格式化时，可以通过 Pandas 的 `ExcelWriter` 接口结合 Openpyxl 实现更多自定义选项。例如： ```python import pandas as pd from openpyxl import Workbook from openpyxl.styles import Font, Alignment, Border, Side # 创建示例数据 data = {'Name': ['Alice', 'Bob'], 'Score': [90, 85]} df = pd.DataFrame(data) # 初始化 ExcelWriter 对象 output_file = "styled_example.xlsx" writer = pd.ExcelWriter(output_file, engine='openpyxl') # 写入数据至指定的工作表 df.to_excel(writer, sheet_name="Sheet1", index=False) # 获取工作表对象以便进一步定制样式 workbook = writer.book worksheet = writer.sheets["Sheet1"] # 定义边框样式 thin_border = Border( left=Side(style='thin'), right=Side(style='thin'), top=Side(style='thin'), bottom=Side(style='thin') ) # 给每一行添加边框 for row in worksheet.iter_rows(min_row=2, max_row=len(df)+1, min_col=1, max_col=len(df.columns)): for cell in row: cell.border = thin_border # 关闭并保存文件 writer.close() ``` 该脚本不仅实现了基础的数据导出，还引入了额外的格式化逻辑，比如给每个单元格增加细线边框。 --- ### 总结 无论是快速便捷地完成任务还是追求高度可配置的结果，都可以借助 Python 中强大的第三方工具——Pandas 或者 Openpyxl 来达成目标。前者适合于结构化的数据分析场景下的批量导入/导出需求；后者则更适合那些希望精细控制文档外观的应用场合。