Python df.to_excel() 将数字作为文本存储在 excel 中。如何存储为价值？

Question

我正在通过 pd.read_html 从 google 财务中抓取表格数据，然后通过df.to_excel() 将该数据保存到 excel 中，如下所示：

    dfs = pd.read_html('https://www.google.com/finance?q=NASDAQ%3AGOOGL&fstype=ii&ei=9YBMWIiaLo29e83Rr9AM', flavor='html5lib')
    xlWriter = pd.ExcelWriter(output.xlsx, engine='xlsxwriter')

    for i, df in enumerate(dfs):
        df.to_excel(xlWriter, sheet_name='Sheet{}'.format(i))
    xlWriter.save()

但是，保存到 Excel 中的数字以文本形式存储，单元格一角带有绿色小三角形。将这些数据移动到 Excel 时，如何将它们存储为实际值而不是文本？

Answer 1

您是否确认要导出的列实际上是 python 中的数字（int 或 float）？

或者，您可以使用 =VALUE() 函数将文本字段转换为 Excel 中的数字。

Answer 2

考虑将数字列转换为浮点数，因为 pd.read_html 将 Web 数据读取为字符串类型（即对象）。但在转换为浮点数之前，您需要将连字符替换为 NaN：

import pandas as pd
import numpy as np

dfs = pd.read_html('https://www.google.com/finance?q=NASDAQ%3AGOOGL' +
                   '&fstype=ii&ei=9YBMWIiaLo29e83Rr9AM', flavor='html5lib')
xlWriter = pd.ExcelWriter('Output.xlsx', engine='xlsxwriter')
workbook = xlWriter.book

for i, df in enumerate(dfs):
    for col in df.columns[1:]:                  # UPDATE ONLY NUMERIC COLS 
        df.loc[df[col] == '-', col] = np.nan    # REPLACE HYPHEN WITH NaNs
        df[col] = df[col].astype(float)         # CONVERT TO FLOAT   

    df.to_excel(xlWriter, sheet_name='Sheet{}'.format(i))

xlWriter.save()

Answer 3

从 pandas 0.19 开始，您可以将参数 na_values 提供给 pd.read_html，这将允许 pandas 正确地自动将浮点类型推断到您的价格列...

如下所示：

dfs = pd.read_html(
    'https://www.google.com/finance?q=NASDAQ%3AGOOGL&fstype=ii&ei=9YBMWIiaLo29e83Rr9AM',
    flavor='html5lib',
    index_col='\nIn Millions of USD (except for per share items)\n',
    na_values='-'
)

xlWriter = pd.ExcelWriter('Output.xlsx', engine='xlsxwriter')
for i, df in enumerate(dfs):
    df.to_excel(xlWriter, sheet_name='Sheet{}'.format(i))
xlWriter.save()

或者（如果您还没有 pandas 0.19），我会使用@Parfait 解决方案的更简单版本：

dfs = pd.read_html(
    'https://www.google.com/finance?q=NASDAQ%3AGOOGL&fstype=ii&ei=9YBMWIiaLo29e83Rr9AM',
    flavor='html5lib',
    index_col='\nIn Millions of USD (except for per share items)\n'
)

xlWriter = pd.ExcelWriter('Output.xlsx', engine='xlsxwriter')
for i, df in enumerate(dfs):
    df.mask(df == '-').astype(float).to_excel(xlWriter, sheet_name='Sheet{}'.format(i))
xlWriter.save()

仅当您正确定义索引列（在 .read_html 中）时，第二种解决方案才有效，如果其中一个（数据）列包含任何 不可 可转换的内容，它将惨遭失败并出现 ValueError到一个浮动...

Answer 4

除了在创建或使用数据框时将字符串数据转换为数字的其他解决方案之外，还可以使用xlsxwriter 引擎的选项来实现：

# Versions of Pandas >= 1.3.0:
writer = pd.ExcelWriter('output.xlsx',
                        engine='xlsxwriter',
                        engine_kwargs={'options': {'strings_to_numbers': True}})

# Versions of Pandas < 1.3.0:
writer = pd.ExcelWriter('output.xlsx',
                        engine='xlsxwriter',
                        options={'strings_to_numbers': True})

来自docs：

strings_to_numbers：启用worksheet.write() 方法以将字符串转换为数字，尽可能使用float()，以避免出现有关“数字存储为文本”的 Excel 警告。 p>

Answer 5

这可能是因为显示警告的那些列的数据类型是objects，而不是数字类型，例如int 或float。

为了检查DataFrame每一列的Data Types，使用dtypes，比如

print(df.dtypes)

在我的例子中，存储为对象而不是数值的列是PRECO_ES

在我的特殊情况下，十进制数是相关的，我已使用astype 将其转换为浮点数，如下所示

df['PRECO_ES'] = df['PRECO_ES'].astype(float)

如果我们再次检查数据类型，我们会得到以下结果

然后，您所要做的就是将 DataFrame 导出到 Excel

#Export the DataFRame (df) to XLS
xlsFile = "Preco20102019.xls"
df.to_excel(xlsFile)

#Export the DataFRame (df) to CSV
csvFile = "Preco20102019.csv"
df.to_csv(csvFile)

如果我随后打开 Excel 文件，我可以看到警告不再显示，因为值存储为数字而不是文本

Answer 6

如果您希望您的 Excel 工作表具有字符串数据类型，请执行以下操作：

for col in original_columns:
    df_employees[col] = df_employees[col].astype(pd.StringDtype())