Guardar datos en un archivo Excel usando la biblioteca pandas

¡Hola, amigos programadores! Espero que estén bien, y si no, espero que esta lección les haga el día un poquito mejor. Hoy aprenderemos a guardar datos en un archivo Excel usando la biblioteca amigable y simpática pandas. Sí, esa misma de la que todos hemos oído hablar. Esta lección es un paso importante en el camino hacia la automatización de todo y por todo, desde escribir reportes hasta la contabilidad casera. Si alguna vez soñaste con volverte un gurú en la automatización de hojas de cálculo de oficina (¿y quién no?), estás en el camino correcto.

1. Fundamentos de guardar datos en Excel con pandas

Entonces, imaginemos que tenemos un DataFrame lleno de números y texto, y queremos transformar esta maravilla en un archivo Excel. ¿Cómo lo hacemos con pandas? ¡Muy fácil! pandas tiene un método maravilloso llamado to_excel que resolverá todos nuestros problemas relacionados con guardar datos.

¿Cómo funciona?

Para guardar un DataFrame en un archivo Excel usamos el método to_excel. Esta función nos permite especificar el nombre del archivo donde queremos guardar los datos, así como, por ejemplo, el nombre de la hoja donde guardaremos los datos. Vamos a ver un pequeño ejemplo:

import pandas as pd

# Creamos un pequeño DataFrame
data = {
    'Frutas': ['Manzana', 'Plátano', 'Cereza'],
    'Cantidad': [10, 5, 2]
}
df = pd.DataFrame(data)

# Guardamos el DataFrame en un archivo Excel
df.to_excel('frutas.xlsx', sheet_name='Frutas favoritas', index=False)

print("Datos guardados con éxito en el archivo 'frutas.xlsx'")
    

Un poco más sobre los parámetros

• Nombre del archivo: Especificamos 'frutas.xlsx'. No olvides añadir la extensión '.xlsx', de lo contrario obtendrás un archivo que Excel no podrá entender.
• sheet_name: Aquí indicamos 'Frutas favoritas'. Este es el nombre de la hoja de cálculo donde se guardarán los datos.
• index: Por defecto, pandas guarda los índices del DataFrame como la primera columna. Al indicar index=False, evitamos esto.

2. Trabajar con múltiples hojas

¿Qué tal guardar datos en múltiples hojas dentro de un mismo archivo Excel? ¡Mientras más datos, más diversión! A continuación se muestra un ejemplo de cómo hacerlo.

Usaremos pandas.ExcelWriter, lo que nos da la posibilidad de trabajar con el archivo de forma más flexible.

# Crear dos DataFrames
data1 = {'Frutas': ['Manzana', 'Naranja'], 'Cantidad': [5, 7]}
data2 = {'Verduras': ['Zanahoria', 'Repollo'], 'Cantidad': [3, 4]}

df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)

# Crear un archivo Excel con múltiples hojas
with pd.ExcelWriter('productos.xlsx') as writer:
    df1.to_excel(writer, sheet_name='Frutas', index=False)
    df2.to_excel(writer, sheet_name='Verduras', index=False)

print("Datos guardados con éxito en el archivo 'productos.xlsx' en diferentes hojas.")
    

¿Por qué te podría interesar esto?

Trabajar con múltiples hojas es útil cuando los datos están lógicamente divididos en categorías, como reportes de diferentes meses, distintos tipos de productos y demás. Excel se convierte en un contenedor universal, permitiendo mantener todos los datos en un solo archivo, pero distribuidos en hojas diferentes.

3. Desafío práctico

Ahora es momento de un pequeño reto. Crearás un nuevo archivo Excel que contenga datos sobre la venta de libros en una tienda. Tendrás dos hojas: una para la venta de libros en enero y otra para febrero. Aquí hay algunos datos para que sea más fácil empezar:

• Enero: libro "Python para todos" (ventas: 50), "Secretos de JavaScript" (ventas: 30).
• Febrero: libro "Python para todos" (ventas: 70), "Secretos de JavaScript" (ventas: 40).

Intenta implementar este ejercicio por tu cuenta, y luego revisa el ejemplo a continuación si necesitas ayuda.

# Ejemplo de solución

# Datos de enero
january_data = {'Libro': ['Python para todos', 'Secretos de JavaScript'], 'Ventas': [50, 30]}
january_df = pd.DataFrame(january_data)

# Datos de febrero
february_data = {'Libro': ['Python para todos', 'Secretos de JavaScript'], 'Ventas': [70, 40]}
february_df = pd.DataFrame(february_data)

# Crear el archivo Excel con los datos de dos meses
with pd.ExcelWriter('ventas_libros.xlsx') as writer:
    january_df.to_excel(writer, sheet_name='Enero', index=False)
    february_df.to_excel(writer, sheet_name='Febrero', index=False)

print("Datos guardados con éxito en el archivo 'ventas_libros.xlsx'.")
    

¡Revisa el archivo ventas_libros.xlsx, ábrelo y aprecia las hojas creadas!

4. Discusión de soluciones y optimización

Como habrás notado, el proceso de guardar datos en Excel usando pandas es bastante sencillo. Sin embargo, hay algunas cosas que vale la pena considerar:

• Optimización del uso de memoria: Si tienes DataFrames enormes, considera dividir los datos en partes y guardarlos secuencialmente.
• Formato: Se puede añadir formato, por ejemplo, estilos para los encabezados de las tablas. Esto requiere usar la biblioteca adicional openpyxl y sus métodos.
• Escrituras múltiples: Si planeas guardar datos frecuentemente en el mismo archivo, considera usar mode='a' en ExcelWriter para añadir nuevos datos a los existentes.

Algunos ejemplos de soluciones para mejorar tu futuro trabajo

En el futuro, cuando te conviertas en el rey (mmm... ¿o reina?) de la automatización, necesitarás ser capaz de encontrar y corregir problemas. Por ejemplo, si tu empresa decide recoger reportes para cada día del mes, puedes usar pandas y ExcelWriter para automatizar este proceso. Tal vez deberías automatizar la validación de días festivos y fines de semana para no registrar datos en esos días.

Así que, no tengas miedo de experimentar y optimizar tu trabajo. Python con pandas es justo lo que te ayudará a lograrlo.