pandas.ExcelWriter 是写入多个 Sheet 的唯一可靠方案，需用 with 语句一次性写入所有表，注意 sheet_name 合法性（≤31字符、禁用特殊符号）、写入顺序决定 Tab 位置，并优选 xlsxwriter 引擎处理大数据。
用 pandas.ExcelWriter 是唯一靠谱的方案
直接调用 df.to_excel() 只能写单个 Sheet；想写多个，必须靠 ExcelWriter 做上下文管理。它本质是封装了 openpyxl 或 xlsxwriter 的底层写入逻辑，但屏蔽了手动创建 workbook、sheet 的繁琐步骤。
注意：不能反复打开同一个文件写多次（会覆盖），必须一次性把所有 Sheet 都塞进一个 ExcelWriter 实例里再 .close()。
- 默认引擎是
openpyxl（支持读写，含样式、公式等）；若只写且要更快，可显式指定engine='xlsxwriter' - 如果已安装
openpyxl但没装xlsxwriter，ExcelWriter会自动 fallback 到openpyxl - 写入时每个
df.to_excel(writer, sheet_name=...)调用都必须在with块内完成，否则报ValueError: Writer has been closed
sheet_name 长度和字符限制很实际
Excel 对 Sheet 名有硬性约束：最多 31 字符，且不能包含 / ? * [ ] 这些符号。用中文命名时尤其容易超长或隐含非法字符（比如从文件名、日期生成的 Sheet 名）。
常见错误现象：XlsxWriterException: Sheetname '2024_Q3_Sales_Report_Detailed_Analysis' is too long 或写入后 Excel 打开提示“文件已损坏”。
- 建议统一用
re.sub(r'[\/?*[]]', '_', name)清洗非法字符 - 长度截断推荐用
name[:28] + '...' if len(name) > 31 else name（留 3 位给省略号） - 避免用纯数字或以空格开头的
sheet_name，部分引擎会静默转成Sheet1类似默认名
多个 DataFrame 写入顺序 = Excel 中 Tab 页左右顺序
Sheet 在 Excel 文件里的物理顺序，完全由你调用 df.to_excel() 的先后顺序决定。第一个 to_excel 写的就是最左边的 Tab，最后一个是最右边的。
Excel/WPS 公式大师。用大白话描述需求，直接给出可用的公式、函数组合和数据处理方案，并解释每一段的作用。当用户提到"Excel 公式"、"表格函数"、"VLOOKUP 怎么用"、"XLOOKUP"、"LET"、"LAMBDA"、"动态数组"、"这个公式报错了"、"#N/A"、"#REF!"、"
这点常被忽略，导致分析报告里“汇总页”跑到了最后，而用户第一眼看不到。
- 建议先写核心汇总表（如
summary_df），再写明细分表（如detail_by_region,detail_by_month） - 如果依赖已有 Excel 的 Sheet 顺序做自动化处理（比如后续用 VBA 引用
Sheets(1)），顺序错会导致脚本失败 - 不支持“插入到指定位置”，也没法写完再移动 Tab —— 必须靠写入顺序预先规划好
写入大表时内存和性能得盯紧
用 ExcelWriter 往一个文件里写多个大 DataFrame（比如每个几万行），很容易触发内存暴涨甚至 OOM，尤其用 openpyxl 引擎时（它会把整个 workbook 加载进内存）。
典型表现：Python 进程占用几 GB 内存，导出耗时几分钟，且中间无法中断。
- 对超大表（>10 万行），优先选
engine='xlsxwriter'，它流式写入，内存占用低得多 - 避免在
to_excel里传index=True或header=True多余参数——虽然默认就是 True，但显式写出反而让某些引擎多做一次判断 - 如果只是临时看数据，考虑先用
df.head(1000).to_excel(...)快速验证逻辑，再切回全量
写多个 Sheet 看似简单，但 Sheet 名合法性、写入顺序、引擎选择这三点，几乎每次都会卡住人。特别是当代码从本地测试迁移到服务器或 Airflow 任务时，缺少 openpyxl 或 xlsxwriter、或者路径权限不对，错误信息还藏得深。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
