1-4 体检报告的输出与归档

1-4 体检报告的输出与归档

本节摘要：to_csv与to_excel负责把体检结果写成报告归档。本节的核心是三件事：索引要不要跟着写出去、中文怎么不乱码、Excel怎么一簿多表地归档。结尾给出一条从读入到写出的完整闭环代码。

登记窗口（1-3）负责进，本节负责出。流水线的价值最终落在产出物上：给业务方一份Excel、给下游系统一份CSV、给自己留一份可复现的中间档案。

索引：写还是不写

import pandas as pd

df = pd.DataFrame({
    '日期': ['2024-01-03', '2024-01-10', '2024-01-15'],
    '金额': [1280, 1732, 880],
})

# 默认：挂号条被写成第一列，列名空着
df.to_csv('默认.csv')

# 大多数给下游系统的报告不该带这个无名的序号列
df.to_csv('干净.csv', index=False)
​

默认写出的文件第一列是没有名字的0到n，下游同事读的时候要么skip，要么将就着一个怪列。**给系统的CSV用index=False，给自己的中间档案用index=True**（尤其时间索引，丢了重排很麻烦），是我在实践中固定的分工。

# 带时间索引的随访档案：索引必须一起归档
ts = df.set_index('日期')
ts.to_csv('随访.csv')            # 日期列保留
back = pd.read_csv('随访.csv', index_col=0, parse_dates=['日期'])
print(back.index.dtype)  # datetime64[ns] —— 回读后类型还在
​

中文乱码的预防针

# 症状：Excel打开CSV，中文全成乱码
# 病因：Excel默认按GBK解码UTF-8文件
# 处置：写文件时就带BOM，Excel就能认出UTF-8
df.to_csv('报告.csv', index=False, encoding='utf-8-sig')

# 缺席值不想留空字符串，写一个明确的占位符
df.to_csv('报告.csv', index=False, encoding='utf-8-sig', na_rep='缺失')
​

utf-8-sig与1-3的encoding='gbk'正好是一对：进门看来源，出门看去处。给Excel人看的文件用带BOM的UTF-8，兼容性最好。

Excel归档：一簿多表

# 一簿多表：总览、明细、异常清单各占一表
with pd.ExcelWriter('月度体检报告.xlsx', engine='openpyxl') as w:
    df.to_excel(w, sheet_name='总览', index=False)
    df[df['金额'] > 1000].to_excel(w, sheet_name='大额明细', index=False)
    df[df['金额'] < 900].to_excel(w, sheet_name='待核查', index=False)

# float_format控制小数位，别让报告里出现一串循环小数
df['金额'].to_frame().to_excel('金额.xlsx', index=False, float_format='%.2f')
​

⚠️ 常见坑：to_excel一次写一个表，循环里反复调用同名文件且不指定mode='a'，会每次覆盖只剩最后一张表。用ExcelWriter上下文管理器一次写全，是唯一稳妥姿势。

一条完整闭环

把本章四节串成一条从进门到出门的最小闭环，这段代码可以直接当接诊模板用：

import pandas as pd

# 1-3 登记：进门三件事 + 类型预定
df = pd.read_csv('sales.csv', parse_dates=['日期'],
                 dtype={'门店': 'category', '金额': 'float64'})
print(df.shape, df.dtypes.unique())

# 1-1/1-2 建档挂号：日期升格为随访号
ts = df.set_index('日期').sort_index()

# 第一跳体检：单日金额概览（向量化，无循环）
daily = ts['金额'].resample('D').sum()   # 第07章会展开，这里先感受
print(daily.head(3))

# 1-4 归档：给系统的CSV不带索引列，给人的Excel带BOM
daily.to_csv('daily.csv', encoding='utf-8-sig')
daily.to_frame().to_excel('daily.xlsx')
print('归档完成')
​

本章流水线全景

接诊建档四步与产出口径

本节要点回顾

• index参数的分工：给系统False、给自己True，时间索引必须归档
• utf-8-sig是给Excel人的中文预防针，与进门侧的gbk处理成对
• ExcelWriter上下文一次写多表，避免循环覆盖
• float_format与na_rep让报告干净，别让循环小数和空串出门
• 闭环模板：读、查、挂索引、聚合、写出，五行骨架可复用

追问：中间结果要不要落盘

长流水线跑到一半，怕断电怕报错，中间档案落不落盘是个实际的取舍。我的习惯是三条：数据量在内存承受范围内就不落盘，落盘反而引入读写误差与版本混乱；确实要落盘用带时间戳的文件名，别覆盖上一次的检查结果；落盘格式优先parquet（保留类型、体积小），CSV只做给人看的最终报告。类型保真这一点是CSV的硬伤——category落盘成CSV再读回来就变object了，体检等于白做。

# parquet：类型保真的中间档案（需要pyarrow）
# ts.to_parquet('中间档案.parquet')

# CSV：只做给人的最终报告
ts.to_csv('报告.csv', encoding='utf-8-sig')
​

进出两头的规矩立好，第一章的建档环节就闭环了：进有参数、出有口径、中间有档案策略。

第一章结束。下一章病人进分诊台：三千条记录里按需叫号，loc、iloc与布尔索引等着接手。