Escrevendo dados em um arquivo Excel com a biblioteca pandas

Fala aí, devs! Espero que vocês estejam bem, e se não estiverem, espero que essa aula deixe o dia de vocês um pouco melhor. Hoje vamos aprender a salvar dados em um arquivo Excel com a ajuda da amigável biblioteca pandas. Sim, aquela que todo mundo já ouviu falar. Essa aula é um passo importante no caminho para a automação de tudo, desde a criação de relatórios até a contabilidade caseira. Se você já sonhou em se tornar um mestre da automação de planilhas (quem nunca?), então você está no caminho certo.

1. Fundamentos de como salvar dados em Excel com pandas

Então, imagina que temos um DataFrame preenchido com números e texto, e queremos transformar isso em um arquivo Excel. Como fazemos isso com o pandas? É muito simples! A pandas tem um método incrível chamado to_excel, que resolve todos os nossos problemas relacionados a salvar dados.

Como funciona isso?

Para salvar um DataFrame em um arquivo Excel, usamos o método to_excel. Essa função permite que a gente especifique o nome do arquivo onde queremos salvar os dados, além de, por exemplo, definir o nome da aba que vai conter os dados. Vamos dar uma olhada em um exemplo básico:

import pandas as pd

# Criamos um pequeno DataFrame
data = {
    'Frutas': ['Maçã', 'Banana', 'Cereja'],
    'Quantidade': [10, 5, 2]
}
df = pd.DataFrame(data)

# Salvamos o DataFrame em um arquivo Excel
df.to_excel('frutas.xlsx', sheet_name='Frutas Favoritas', index=False)

print("Os dados foram salvos com sucesso no arquivo 'frutas.xlsx'")
    

Um pouco mais sobre os parâmetros

• Nome do arquivo: Especificamos 'frutas.xlsx'. Não se esqueça de adicionar a extensão '.xlsx', senão você terá um arquivo que o Excel não vai entender.
• sheet_name: Aqui especificamos 'Frutas Favoritas'. Esse é o nome da aba da planilha onde os dados serão salvos.
• index: Por padrão, o pandas salva os índices do DataFrame como a primeira coluna. Ao definir index=False, evitamos isso.

2. Trabalhando com múltiplas abas

E que tal salvar dados em múltiplas abas em um único arquivo Excel? Afinal, quanto mais dados, mais divertido! Aqui está um exemplo de como fazer isso.

Vamos usar o pandas.ExcelWriter, que nos permite trabalhar de maneira mais flexível com o arquivo.

# Criação de dois DataFrames
data1 = {'Frutas': ['Maçã', 'Laranja'], 'Quantidade': [5, 7]}
data2 = {'Vegetais': ['Cenoura', 'Repolho'], 'Quantidade': [3, 4]}

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

# Criação de um arquivo Excel com múltiplas abas
with pd.ExcelWriter('produtos.xlsx') as writer:
    df1.to_excel(writer, sheet_name='Frutas', index=False)
    df2.to_excel(writer, sheet_name='Vegetais', index=False)

print("Os dados foram salvos com sucesso no arquivo 'produtos.xlsx' em abas diferentes.")
    

Por que isso pode ser útil?

Trabalhar com múltiplas abas é útil quando os dados estão logicamente separados em categorias, como relatórios de diferentes meses, tipos variados de produtos e assim por diante. O Excel se torna um contêiner universal, permitindo que você mantenha todos os dados em um único arquivo, mas organizados por abas.

3. Desafio prático

Agora é a hora de um pequeno desafio. Você vai criar um novo arquivo Excel contendo dados de vendas de livros em uma livraria. Você terá duas abas: uma para as vendas de livros em janeiro e outra para fevereiro. Veja alguns dados para facilitar o seu trabalho:

• Janeiro: livro "Python para Todos" (vendas: 50), "Segredos do JavaScript" (vendas: 30).
• Fevereiro: livro "Python para Todos" (vendas: 70), "Segredos do JavaScript" (vendas: 40).

Tente implementar esse desafio por conta própria e dê uma olhada no exemplo abaixo se precisar de ajuda.

# Exemplo de solução

# Dados de janeiro
january_data = {'Livro': ['Python para Todos', 'Segredos do JavaScript'], 'Vendas': [50, 30]}
january_df = pd.DataFrame(january_data)

# Dados de fevereiro
february_data = {'Livro': ['Python para Todos', 'Segredos do JavaScript'], 'Vendas': [70, 40]}
february_df = pd.DataFrame(february_data)

# Criação de um arquivo Excel com dados de dois meses
with pd.ExcelWriter('vendas_livros.xlsx') as writer:
    january_df.to_excel(writer, sheet_name='Janeiro', index=False)
    february_df.to_excel(writer, sheet_name='Fevereiro', index=False)

print("Os dados foram salvos com sucesso no arquivo 'vendas_livros.xlsx'.")
    

Verifique o arquivo vendas_livros.xlsx, abra ele e admire as abas que você criou!

4. Discussão das soluções e otimização

Como você deve ter notado, salvar dados em Excel com o pandas é bem simples. Contudo, existem algumas coisas que vale a pena considerar:

• Otimização de memória: Se você está lidando com DataFrames enormes, considere dividir os dados em partes e salvá-los sequencialmente.
• Formatação: Você pode adicionar formatação, como estilos para os cabeçalhos das tabelas. Isso requer o uso da biblioteca adicional openpyxl e seus métodos.
• Escritas múltiplas: Se você planeja salvar dados frequentemente no mesmo arquivo, pense na possibilidade de usar o mode='a' no ExcelWriter para adicionar novos dados a um arquivo existente.

Alguns exemplos para melhorar seu trabalho no futuro

No futuro, quando você for o rei (ou rainha?) da automação, será importante saber identificar e corrigir problemas. Por exemplo, se a sua empresa decidir criar relatórios diários para todo o mês, você pode usar o pandas e o ExcelWriter para automatizar esse processo. Talvez até automatizar a verificação de finais de semana e feriados para não coletar dados nesses dias.

Então, não tenha medo de experimentar e otimizar seu trabalho! Python com pandas é o que vai te ajudar nisso.