pandas的to_excel卡在1048576行是因.xlsx单表行数上限为1048576，超限会报错或截断；稳妥解法是用np.array_split拆分dataframe后分sheet写入，或改用csv/parquet格式。
为什么Pandas的to_excel会卡在1048576行？
因为Excel的.xlsx格式单表行数上限就是1048576（2²⁰），Pandas调用openpyxl或xlsxwriter引擎时，写入超过该行数会直接抛出ValueError: Max rows exceeded或静默截断——不是Pandas的bug，是Excel文件规范本身决定的。
拆分DataFrame再分页写入多个Sheet
最稳妥的做法是手动切分数据，每Sheet控制在104万行以内，再用ExcelWriter逐个写入。注意不能简单用df.iloc[i:i+1000000]循环写，否则容易因索引重叠或内存暴涨出错：
- 用
np.array_split(df, ceil(len(df) / 1000000))比切片更安全，避免索引干扰 - 写入时指定
sheet_name=f'Sheet_{i+1}'，避免默认名重复导致覆盖 - 务必关闭
ExcelWriter对象（用with语句或显式调用close()），否则文件可能损坏
import numpy as np
from pandas import ExcelWriter
chunks = np.array_split(df, np.ceil(len(df) / 1000000).astype(int))
with ExcelWriter('output.xlsx') as writer:
for i, chunk in enumerate(chunks):
chunk.to_excel(writer, sheet_name=f'Sheet_{i+1}', index=False)
换用csv或parquet替代Excel
如果下游系统支持，直接放弃.xlsx是最省事的解法。CSV无行数限制，df.to_csv()能轻松处理千万级数据；Parquet则更适合分析场景，体积小、读取快：
-
to_csv(..., chunksize=50000)可边生成边写磁盘，避免内存爆掉 -
to_parquet()要求安装pyarrow，但列式存储对数值/时间类型压缩率极高 - 注意CSV不保留格式、公式、多Sheet结构——别指望用Excel双击打开后还能自动套用条件格式
用xlsxwriter启用「优化模式」并禁用日期转换
虽然仍受104万行硬限制，但xlsxwriter引擎在接近上限时更稳定，且可通过参数减少开销：
- 初始化
ExcelWriter时传入engine='xlsxwriter'和options={'strings_to_numbers': False}，避免字符串误转数字引发精度丢失 - 禁用日期自动识别：
options={'default_date_format': None}，防止大量datetime列拖慢写入 - 不要用
df.style导出——样式会极大增加内存占用，且超出行数限制时优先报错
真正要突破行数限制，只能换格式或拆文件。Excel本身不是大数据载体，硬撑只会让IO变慢、文件易损、协作困难。
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！
