Запись данных в Excel из Python: от простых таблиц до сложных отчётов

Автоматизация работы с Excel через Python экономит часы рутинных операций. Представьте: вместо копирования данных из базы в таблицу вручную, вы запускаете скрипт — и через секунды получаете готовый отчёт с формулами, стилями и даже сводными таблицами. Но как это работает на практике?

Многие начинающие разработчики сталкиваются с проблемой: Python отлично обрабатывает данные, но как их красиво упаковать в .xlsx? Одни библиотеки поддерживают только старые форматы, другие требуют сложных настроек, третьи «съедают» всю оперативную память при работе с большими файлами. В этой статье разберём 5 проверенных способов записи в Excel — от простейшего экспорта в CSV до создания многостраничных отчётов с диаграммами.

Мы не будем ограничиваться базовыми примерами. Вы узнаете, как обрабатывать ошибки кодировки, оптимизировать работу с большими данными (100K+ строк), сохранять форматирование ячеек и даже автоматизировать создание сводных таблиц. Все примеры кода протестированы на Python 3.10+ и актуальных версиях библиотек.

1. Самый простой способ: экспорт в CSV

Если вам нужно быстро сохранить данные в табличный формат без сложного оформления, CSV — идеальное решение. Этот метод работает «из коробки» без дополнительных библиотек и подходит для 90% задач по переносу данных между системами.

Основные плюсы CSV:

• 🚀 Мгновенная запись: даже миллион строк сохранятся за секунды.
• 📦 Универсальность: открывается в Excel, Google Sheets, LibreOffice.
• 🐍 Встроенная поддержка в Python — не нужно устанавливать ничего лишнего.

Минусы тоже есть: нет поддержки нескольких листов, формул или цветового форматирования. Но если вам нужно передать «сырые» данные для дальнейшей обработки — это лучший выбор.

Пример кода для записи списка словарей в CSV:

import csv

data = [
{"Имя": "Иван", "Возраст": 28, "Город": "Москва"},
{"Имя": "Мария", "Возраст": 34, "Город": "Санкт-Петербург"},
{"Имя": "Алексей", "Возраст": 45, "Город": "Казань"}
]

with open('users.csv', 'w', newline='', encoding='utf-8') as file:
writer = csv.DictWriter(file, fieldnames=data[0].keys())
writer.writeheader()
writer.writerows(data)

⚠️ Внимание: Всегда указывайте параметр newline='' при открытии файла в режиме записи. Без него в CSV добавятся пустые строки между записями — это известная особенность Python на Windows.

2. Библиотека pandas: универсальный инструмент

Pandas — это «швейцарский нож» для работы с данными в Python. С её помощью можно не только читать и записывать Excel, но и обрабатывать данные: фильтровать, группировать, строить графики. Если вы ещё не установили pandas, сделайте это командой:

pip install pandas openpyxl

(openpyxl нужен как движок для работы с .xlsx.)

Основные возможности pandas для работы с Excel:

• 📊 Запись DataFrame в Excel одной строкой кода.
• 📑 Поддержка нескольких листов в одном файле.
• 🔍 Автоматическое определение типов данных (даты, числа, текст).
• 🎨 Базовое форматирование (ширина колонок, названия столбцов).

Пример записи DataFrame с настройкой параметров:

import pandas as pd

data = {
"Продукт": ["Молоко", "Хлеб", "Яйца", "Масло"],
"Цена": [60, 45, 80, 120],
"Количество": [10, 20, 30, 5],
"Дата поставки": pd.to_datetime(["2023-10-01", "2023-10-02", "2023-10-03", "2023-10-01"])
}

df = pd.DataFrame(data)

Сохраняем с указанием листа и без индекса
with pd.ExcelWriter('products.xlsx', engine='openpyxl') as writer:
df.to_excel(writer, sheet_name='Склад', index=False, freeze_panes=(1, 0))  # Заморозка шапки

Важно: параметр freeze_panes=(1, 0) фиксирует шапку таблицы при прокрутке — это спасёт вас от постоянного возвращения в начало файла при работе с большими данными.

Удалить ненужные столбцы из DataFrame|Проверить типы данных (даты, числа)|Заполнить пропущенные значения|Отсортировать данные по ключевому столбцу|Проверить кодировку текста (UTF-8)

-->

3. openpyxl: полный контроль над .xlsx

Если pandas кажется слишком «высокоуровневым» и вам нужно точное управление каждой ячейкой — используйте openpyxl. Эта библиотека позволяет:

• 🎨 Применять стили (шрифты, цвета, границы).
• 📈 Вставлять формулы и диаграммы.
• 📂 Работать с существующими файлами (добавлять данные, редактировать).
• 🔄 Управлять сводными таблицами.

Пример создания файла с форматированием:

from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill, Border, Side

Создаём новую книгу
wb = Workbook()
ws = wb.active
ws.title = "Отчёт по продажам"

Данные
data = [
("Регион", "2023", "2026"),
("Москва", 1200000, 1500000),
("СПб", 950000, 1100000),
("Казань", 600000, 720000)
]

Записываем данные с стилями
for row in data:
ws.append(row)

Форматируем шапку
header_font = Font(bold=True, color="FFFFFF")
header_fill = PatternFill(start_color="4F81BD", end_color="4F81BD", fill_type="solid")
thin_border = Border(left=Side(style='thin'), right=Side(style='thin'),
top=Side(style='thin'), bottom=Side(style='thin'))

for cell in ws[1]:
cell.font = header_font
cell.fill = header_fill
cell.border = thin_border

Сохраняем файл
wb.save("sales_report.xlsx")

Обратите внимание на строку ws.append(row) — это самый эффективный способ добавлять данные построчно. Альтернатива (ws.cell(row=i, column=j).value = x) работает в 10–20 раз медленнее!

4. Работа с большими данными: оптимизация и лайфхаки

Что делать, если нужно записать в Excel 100 000+ строк? Стандартные методы приведут к зависанию программы или ошибкам памяти. Вот проверенные решения:

Пример оптимизированной записи через pandas:

import pandas as pd

Чтение больших данных (например, из SQL)
chunk_size = 10000  # Обрабатываем по 10K строк
reader = pd.read_csv('big_data.csv', chunksize=chunk_size)

with pd.ExcelWriter('big_output.xlsx', engine='openpyxl', mode='w') as writer:
for i, chunk in enumerate(reader):
# Записываем каждый чанк на отдельный лист
chunk.to_excel(writer, sheet_name=f'Часть_{i+1}', index=False)
print(f"Записано {len(chunk)} строк (часть {i+1})")

⚠️ Внимание: При работе с файлами >500 MB избегайте формата .xlsx — он хранит данные в XML, что увеличивает размер в 3–5 раз по сравнению с CSV. Для архивных данных используйте .zip или специализированные форматы вроде .parquet.

5. Продвинутые возможности: формулы, диаграммы, сводные таблицы

Если вам нужно не просто сохранить данные, а создать полноценный отчёт с визуализацией, придётся погрузиться в детали. Рассмотрим три востребованных сценария:

1. Добавление формул

В openpyxl формулы записываются как строки с префиксом =:

ws['D1'] = "Итого"  # Заголовок
ws['D2'] = "=SUM(B2:C2)"  # Формула для первой строки
ws['D3'] = "=SUM(B3:C3)"  # Автоматически скопируется при протягивании

2. Вставка диаграмм

Создание графика занимает 5 строк кода:

from openpyxl.chart import BarChart, Reference

Данные для графика (столбцы B и C, строки 1-4)
data = Reference(ws, min_col=2, min_row=1, max_col=3, max_row=4)
categories = Reference(ws, min_col=1, min_row=2, max_row=4)

Создаём диаграмму
chart = BarChart()
chart.add_data(data, titles_from_data=True)
chart.set_categories(categories)
ws.add_chart(chart, "E1")  # Позиция графика

3. Сводные таблицы

Для создания сводной таблицы в openpyxl потребуется:

from openpyxl.worksheet.table import Table, TableStyleInfo

Определяем диапазон данных
tab = Table(displayName="SalesTable", ref="A1:D4")

Применяем стиль
style = TableStyleInfo(name="TableStyleMedium9", showFirstColumn=False,
showLastColumn=False, showRowStripes=True, showColumnStripes=False)
tab.tableStyleInfo = style

Добавляем таблицу на лист
ws.add_table(tab)

6. Обработка ошибок и типичные проблемы

Даже в простых сценариях запись в Excel может завершиться ошибкой. Вот самые распространённые ситуации и их решения:

Пример обработки ошибок при записи:

import pandas as pd
from pathlib import Path

file_path = Path('output.xlsx')

try:
with pd.ExcelWriter(file_path, engine='openpyxl') as writer:
df.to_excel(writer, sheet_name='Data')
print("Файл успешно сохранён!")
except PermissionError:
print(f"Ошибка: файл {file_path} открыт в другой программе. Закройте его и повторите попытку.")
except Exception as e:
print(f"Неизвестная ошибка: {str(e)}. Попробуйте сохранить файл под другим именем.")

⚠️ Внимание: Если вы работаете с datetime в pandas, Excel может неправильно интерпретировать временные зоны. Всегда приводите даты к naive-формату (без временной зоны) перед записью: df['Дата'] = df['Дата'].dt.tz_localize(None).

7. Альтернативные библиотеки: когда pandas и openpyxl не подходят

Иногда стандартные инструменты не справляются с задачей. Рассмотрим специализированные библиотеки:

• 📊 xlsxwriter: оптимизирован для скорости и поддерживает условное форматирование, но не умеет читать файлы.

  pip install xlsxwriter

• 🔄 xlwings: позволяет управлять Excel как сервером (полезно для работы с макросами).

  pip install xlwings

• 🗃️ pyxlsb: работает с устаревшим форматом .xlsb (двоичный Excel).

  pip install pyxlsb

• 📈 openpyxl + Pillow: для вставки изображений в ячейки.

import xlsxwriter

workbook = xlsxwriter.Workbook('formatted.xlsx')
worksheet = workbook.add_worksheet()

Данные
data = [
["Продукт", "Продажи", "Цель"],
["Молоко", 120, 100],
["Хлеб", 80, 90],
["Яйца", 150, 130]
]

Форматирование
format1 = workbook.add_format({'bg_color': '#FFC7CE', 'font_color': '#9C0006'})
format2 = workbook.add_format({'bg_color': '#C6EFCE', 'font_color': '#006100'})

for row_num, row_data in enumerate(data):
worksheet.write_row(row_num, 0, row_data)

Условное форматирование (если продажи < цели — красный, иначе зелёный)
worksheet.conditional_format('B2:B4', {
'type': 'cell',
'criteria': '<',
'value': '=C2',
'format': format1
})
worksheet.conditional_format('B2:B4', {
'type': 'cell',
'criteria': '>=',
'value': '=C2',
'format': format2
})

workbook.close()

# Скрипт (save_to_excel.py)
import pandas as pd
from datetime import datetime

df = pd.DataFrame({"Дата": [datetime.now()], "Значение": [42]})
df.to_excel(f"report_{datetime.now().strftime('%Y%m%d')}.xlsx", index=False)

import smtplib
from email.mime.multipart import MIMEMultipart
from email.mime.base import MIMEBase
from email import encoders

Настройки почты
sender = "your@email.com"
receiver = "boss@company.com"
password = "your_password"

Создаём письмо
msg = MIMEMultipart()
msg['From'] = sender
msg['To'] = receiver
msg['Subject'] = "Ежедневный отчёт"

Прикрепляем файл
with open("report.xlsx", "rb") as file:
part = MIMEBase('application', 'octet-stream')
part.set_payload(file.read())
encoders.encode_base64(part)
part.add_header('Content-Disposition', 'attachment; filename="report.xlsx"')
msg.attach(part)

Отправляем
with smtplib.SMTP_SSL('smtp.gmail.com', 465) as server:
server.login(sender, password)
server.send_message(msg)

from pydrive.auth import GoogleAuth
from pydrive.drive import GoogleDrive

gauth = GoogleAuth()
gauth.LocalWebserverAuth()  # Авторизация через браузер

drive = GoogleDrive(gauth)
file_drive = drive.CreateFile({'title': 'report.xlsx'})
file_drive.SetContentFile('report.xlsx')
file_drive.Upload()

from openpyxl import load_workbook

Открываем существующий файл
wb = load_workbook('existing_file.xlsx')

Выбираем лист (или создаём новый)
if 'Новые данные' in wb.sheetnames:
ws = wb['Новые данные']
else:
ws = wb.create_sheet('Новые данные')

Записываем данные (например, в первую свободную строку)
ws.append(["Столбец1", "Столбец2"])
ws.append([10, 20])

Сохраняем
wb.save('existing_file.xlsx')

pip install gspread oauth2client

import gspread
from oauth2client.service_account import ServiceAccountCredentials

Авторизация (нужен сервисный аккаунт Google)
scope = ['https://spreadsheets.google.com/feeds',
'https://www.googleapis.com/auth/drive']
creds = ServiceAccountCredentials.from_json_keyfile_name('credentials.json', scope)
client = gspread.authorize(creds)

Открываем таблицу
sheet = client.open("Мой отчёт").sheet1

Записываем данные
sheet.append_row(["Дата", "Значение"])
sheet.append_row(["2023-10-15", 42])