首页 > 其他分享 >DataFrame 存为带格式的excel文件

DataFrame 存为带格式的excel文件

时间:2023-08-08 14:11:06浏览次数:34  
标签:format df worksheet excel DataFrame 存为 column num col

import pandas as pd

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'Salary': [50000, 60000, 45000],
    'Location': ['NY', 'CA', 'TX'],
    'Department': ['HR', 'IT', 'Finance']
}

df = pd.DataFrame(data)

# 创建一个 Pandas ExcelWriter 对象
file_path = "excel.xlsx"
writer = pd.ExcelWriter(file_path, engine='xlsxwriter')

# 将 DataFrame 写入到 Excel 文件中,不保存索引列
df.to_excel(writer, index=False)

# 获取 Excel 文件的工作簿和工作表对象
workbook = writer.book
worksheet = writer.sheets['Sheet1']  # 根据 Sheet 名称获取工作表对象

# 根据内容宽度设置列宽
for col_num, col_value in enumerate(df.columns, start=0):
    column_len = max(df[col_value].astype(str).map(len).max(), len(col_value)) + 3
    worksheet.set_column(col_num, col_num, column_len)

# 创建标题行格式对象
header_format = workbook.add_format({
    'bold': True,  # 设置标题行为粗体
    'bg_color': '#95B3D7',  # 设置标题行的背景颜色
    'align': 'center',  # 设置标题行的文本居中对齐
})

# 获取标题行的列数
num_cols = df.shape[1]

# 设置标题行的格式
for col_num in range(num_cols):
    worksheet.write(0, col_num, df.columns[col_num], header_format)

# 创建微软雅黑字体样式对象
yahei_format = workbook.add_format({
    'font_name': '微软雅黑',
    'align': 'center'})  # 设置标题行的文本居中对齐

# 设置工作表的默认单元格格式为微软雅黑字体样式
worksheet.set_column(first_col=0, last_col=df.shape[1] - 1, width=None, cell_format=yahei_format)
worksheet.set_column(1, 1, 10)
# 创建右对齐的单元格格式对象
right_align_format = workbook.add_format({'align': 'right', 'font_name': '微软雅黑'})
# 设置第一列的宽度和样式
worksheet.set_column(0, 0, 15, cell_format=right_align_format)

# 保存 Excel 文件
writer.save()

 

标签:format,df,worksheet,excel,DataFrame,存为,column,num,col
From: https://www.cnblogs.com/nicole-zhang/p/17614024.html

相关文章

  • 根据DataFrame A列的值筛选DataFrame B中的数据
    importpandasaspd#创建示例DataFrameAdataA={'ID':[1,2,3,4],'Category':['A','B','A','C']}dfA=pd.DataFrame(dataA)#创建示例DataFrameBdataB={'ID':[1,2,3,4]......
  • DataFrame 计数value_counts 后转成df
    importpandasaspd#创建示例DataFramedata={'Category':['A','B','A','C','A','B','C','A','B']}df=pd.DataFrame(data)#使用value_counts()方法对&......
  • merge连接两个DataFrame
    importpandasaspd#创建左边的示例DataFramedata1={'ID':[1,2,3,4],'Name':['Alice','Bob','Charlie','John']}df1=pd.DataFrame(data1)df1.set_index('ID',inplace=True)......
  • concat 连接两个DataFrame
    importpandasaspd#创建左边的示例DataFramedata1={'ID':[1,2,3],'Name':['Alice','Bob','Charlie']}df1=pd.DataFrame(data1)df1.set_index('ID',inplace=True)#设置'ID'列......
  • DataFrame 新增新列
    importpandasaspd#创建示例DataFramedata={'A':[1,2,3],'B':['a','b','c']}df=pd.DataFrame(data)#增加新列'C'new_data=[10,20,30]df['C']=new_dataprint(df)......
  • DataFrame修改某列的值
    importpandasaspd#创建示例DataFramedata={'A':[1,2,3],'B':['a','b','c']}df=pd.DataFrame(data)#修改列'A'的值new_values=[10,20,30]df['A']=new_valuesprint......
  • DataFrame删除某列
    importpandasaspd#创建示例DataFramedata={'A':[1,2,3],'B':['a','b','c'],'C':[10,20,30]}df=pd.DataFrame(data)#使用drop()方法删除列'B'df=df.drop('B&......
  • DataFrame 删除某行
    importpandasaspd#创建示例DataFramedata={'A':[1,2,3],'B':['a','b','c'],'C':[10,20,30]}df=pd.DataFrame(data)#使用drop()方法删除索引为1的行df=df.drop(1,axis=0)pri......
  • DataFrame 对某列求和、平均值、计数、最大值、最小值
    importpandasaspd#创建示例DataFramedata={'A':[1,2,3,4,5],'B':[10,20,30,40,50]}df=pd.DataFrame(data)#对列'B'求和column_sum=df['B'].sum()print("SumofcolumnB:",column_sum......
  • DataFrame选择多列
    importpandasaspd#创建示例DataFramedata={'A':[1,2,3],'B':['a','b','c'],'C':[10,20,30]}df=pd.DataFrame(data)#选择多列'A'和'C'selected_columns......