根本原因是Excel格式需逐单元格构造XML并压缩为ZIP，导致内存高、IO频繁、CPU软编码开销大；而to_parquet直接序列化为列式二进制，跳过XML环节，100万行仅需1–3秒。
导出Excel慢的根本原因是什么
Python用pandas.DataFrame.to_excel()写入大文件（比如百万行以上）时，实际是在调用openpyxl或xlsxwriter逐单元格渲染——不是写二进制流，而是构造XML结构、压缩成ZIP包。内存占用高、IO频繁、CPU软编码开销大，10万行就可能耗时几十秒，百万行常卡住或OOM。
常见错误现象包括：MemoryError、进程长时间无响应、生成的.xlsx打不开、磁盘空间突增数倍（临时XML缓存）。
这不是pandas写法问题，是Excel格式本身的限制。哪怕换engine='xlsxwriter'或加compression='zip'也收效甚微。
to_parquet为什么快得多
to_parquet()直接序列化为列式二进制格式（Apache Parquet），跳过所有XML解析/压缩/解压环节。写入是顺序IO+少量CPU编码（如SNAPPY），100万行通常在1~3秒内完成，文件体积还比.xlsx小50%~80%。
立即学习“Python免费学习笔记（深入）”；
关键优势：
-
dtype保留完整（datetime、category、nullable int等不丢失） - 支持分块写入（
partition_cols）、元数据嵌入（metadata） - 后续读取速度极快（
pd.read_parquet()可只读某几列）
注意：Parquet不是“替代Excel给人看”，而是替代Excel作为中间存储/分析管道。如果你最终仍需发.xlsx给业务方，应把Parquet当缓存层，按需转Excel（且只转筛选后的子集）。
实操：安全替换to_excel的三步
- 直接替换
df.to_excel('out.xlsx')为df.to_parquet('out.parquet', engine='pyarrow', compression='snappy')
- 确保已安装
pyarrow（pip install pyarrow），不要用fastparquet（对复杂类型支持弱）
- 若原逻辑依赖.xlsx路径（如邮件附件），改用
shutil.move('out.parquet', 'out.xlsx')会失败——必须明确区分用途：Parquet用于内部流转，Excel仅用于最终交付
df.to_excel('out.xlsx')为df.to_parquet('out.parquet', engine='pyarrow', compression='snappy') pyarrow（pip install pyarrow），不要用fastparquet（对复杂类型支持弱） shutil.move('out.parquet', 'out.xlsx')会失败——必须明确区分用途：Parquet用于内部流转，Excel仅用于最终交付 容易踩的坑：
- 用
to_parquet()后直接双击文件，系统打不开（它不是Office格式） - 在Windows上路径含中文，未加
use_dictionary=True可能导致写入失败（PyArrow 11+已改善，但仍建议显式指定） - 时间戳列含时区（
datetime64[ns, UTC]）时，不加use_deprecated_int96_timestamps=False可能被误读为1970年
什么时候不该换to_parquet
- 最终交付物必须是.xlsx（且对方不会/不能装任何额外工具）
- 数据含合并单元格、条件格式、图表等Excel特有功能（Parquet完全不支持）
- 单次导出量小于1万行，且执行频率低（优化收益远低于引入新依赖的成本）
Parquet快是事实，但它的价值不在“更快导出”，而在于让“导出”这个动作本身变得可忽略——你真正该花时间的地方，是定义好哪些字段要存、分区策略怎么设、下游如何按需查。
