python创建本地excel文件并写入内容

<think>好的，用户想学习如何用Python创建本地Excel文件并写入内容，特别是使用pandas或openpyxl库。我需要根据提供的引用内容来组织答案，确保符合系统级指令的要求。 首先，用户的问题分为两个部分：创建文件和写入数据。需要分别用pandas和openpyxl来展示。引用中的信息显示，pandas的to_excel方法可以创建文件，但默认会覆盖原有数据，而结合openpyxl可以实现追加数据到已有文件。同时，引用4中的例子展示了如何使用openpyxl创建文件、添加工作表并写入数据。 接下来，我需要按照用户的要求，结构清晰，分步骤说明。可能需要分为使用pandas和openpyxl两种方法。同时，注意使用正确的LaTeX格式，比如变量用$符号包裹，独立公式用$$。不过在这个问题中可能公式不多，但需要检查是否有数学表达式需要处理。 另外，用户要求生成相关问题，我需要根据内容提出相关的问题，比如性能优化、追加数据的方法等。同时，引用标记需要正确添加到对应的部分末尾。例如，引用[^2]提到用openpyxl追加数据，所以在讲解不覆盖原数据的部分需要加上这个引用。 需要确保回答中的代码示例正确，比如pandas创建DataFrame然后保存，以及openpyxl创建workbook和写入数据。引用中的代码示例可能有帮助，比如引用4中的openpyxl示例，可以借鉴。 还需要注意用户提到的“不覆盖源数据和格式”，所以在pandas部分可能需要提到如何结合openpyxl来追加数据，而不是覆盖整个文件。引用2中的代码展示了如何用pd.ExcelWriter和openpyxl来追加新的sheet，而不覆盖原有内容，这一点需要包含在回答中。 总结步骤： 1. 使用pandas创建Excel文件：用DataFrame.to_excel方法，但会覆盖原有数据。 2. 使用openpyxl创建文件并写入：创建Workbook，添加sheet，写入数据，保存。 3. 结合pandas和openpyxl追加数据到已有文件：使用ExcelWriter，避免覆盖原文件。 同时，要确保每个部分都有对应的引用标注，例如在讲解追加数据时引用[^2]，在pandas基础使用时引用[^3][^4]等。 最后，生成相关问题，可能涉及如何追加数据、处理多个sheet、优化性能等，基于引用中的信息。</think>### 使用Python创建Excel文件并写入数据的步骤 #### 一、使用pandas库创建Excel文件 1. **安装pandas库** 在终端执行命令： ```bash pip install pandas openpyxl ``` 2. **基础写入操作** 通过`DataFrame.to_excel()`方法将数据写入新文件： ```python import pandas as pd data = {"列1": [1, 2, 3], "列2": ["A", "B", "C"]} df = pd.DataFrame(data) df.to_excel("新文件.xlsx", index=False) ``` 此方法会覆盖同名文件。 3. **追加数据到已有文件** 结合`openpyxl`实现追加新工作表（不覆盖原文件）： ```python path = "已有文件.xlsx" with pd.ExcelWriter(path, engine="openpyxl", mode="a") as writer: df.to_excel(writer, sheet_name="新增工作表", index=False) ``` 需确保文件已存在且格式兼容[^2]。 #### 二、使用openpyxl库创建Excel文件 1. **安装openpyxl库** ```bash pip install openpyxl ``` 2. **创建文件并写入数据** ```python from openpyxl import Workbook wb = Workbook() # 创建新工作簿 sheet = wb.active # 获取默认工作表 sheet.title = "数据页" # 按单元格写入 sheet["A1"] = "标题" sheet.cell(row=2, column=1, value=100) # 按行追加数据 data = [["A", "B"], [1, 2], ["X", "Y"]] for row in data: sheet.append(row) wb.save("新文件_openpyxl.xlsx") ``` 支持动态扩展行列。 #### 三、两种方法的对比 | 方法 | 优势 | 局限性 | |------------|-----------------------------|--------------------------| | **pandas** | 适合结构化数据批量处理，语法简洁 | 直接写入会覆盖原文件 | | **openpyxl** | 支持精细单元格操作，可保留原有格式 | 处理大数据时内存消耗较高 |