pandas.read_sql需传sqlalchemy.Engine或DB-API连接，非字符串URL；to_excel导出中文需openpyxl引擎并设index=False；大数据用chunksize分批读写；日期/数字格式异常须用openpyxl手动设置number_format。
用 pandas.read_sql 读取数据时，别漏掉数据库连接参数
直接用 pandas.read_sql 最省事，但常见错误是传错连接对象类型：它要的是 sqlalchemy.Engine 或 DB-API 2.0 的 Connection，不是字符串 URL。比如用 sqlite3.connect() 返回的原生连接，得包一层 sqlalchemy.create_engine("sqlite:///db.sqlite") 才能直接用；否则会报 AttributeError: 'Connection' object has no attribute 'execute'。
实际写法示例：
import pandas as pd
from sqlalchemy import create_engine
<p>engine = create_engine("mysql+pymysql://user:pass@localhost/dbname")
df = pd.read_sql("SELECT * FROM users WHERE status = %s", engine, params=[1])- MySQL 用
mysql+pymysql或mysql+mysqldb，PostgreSQL 用postgresql+psycopg2 -
params参数必须是 list/tuple，即使只有一个值也要写成[value] - SQLite 路径写成
sqlite:///./data.db（三个斜杠），少一个就打不开文件
导出 Excel 时，to_excel 默认不带样式，但表头和索引容易出错
to_excel 默认把 DataFrame 索引也写进第一列，多数人不需要。加 index=False 就能去掉；另外如果字段名含中文或特殊字符，Excel 打开可能乱码——这不是编码问题，而是 Excel 本身不支持 UTF-8 BOM，得靠 openpyxl 引擎自动处理（不用手动设编码）。
关键配置项：
立即学习“Python免费学习笔记（深入）”；
df.to_excel("output.xlsx", index=False, engine="openpyxl")- 必须提前
pip install openpyxl，否则报ValueError: No engine for filetype 'xlsx' - 不要用
xlsxwriter引擎导出含中文的表头，它默认不支持 Unicode 字体渲染 - 如果导出多张 Sheet，用
ExcelWriter上下文管理器，避免文件句柄没释放导致“Permission denied”
大数据量导出卡死？用分块读取 + 追加写入
查几百万行数据时，read_sql 一次性加载会爆内存，Excel 文件本身也有行数限制（1048576 行）。解决方案不是“换工具”，而是控制读写节奏：
- 用
chunksize参数分批读：pd.read_sql(sql, engine, chunksize=10000) - 第一次写用
ExcelWriter，后续每块调sheet_name和startrow追加，别反复打开关闭文件 - 写完记得
writer.close()，否则 Excel 打开提示“文件已损坏”
小技巧：用 df.iloc[0:0].to_excel(writer, sheet_name="data", index=False) 先建空表头，再循环 df_chunk.to_excel(..., header=False) 写数据，避免重复表头。
日期、数字格式在 Excel 里显示异常？靠 openpyxl 手动设单元格类型
to_excel 不会自动识别 datetime64 或数值精度，导出后 Excel 常显示为长数字串（如 1712345678901）或科学计数法。根本原因是 Pandas 把它们当普通 object 写进 Excel，没设单元格格式。
修复方法：导出后用 openpyxl 加载工作簿，遍历列设格式：
from openpyxl import load_workbook
wb = load_workbook("output.xlsx")
ws = wb.active
for cell in ws["B"]: # 假设 B 列是日期
cell.number_format = "yyyy-mm-dd"
for cell in ws["C"]: # 假设 C 列是金额
cell.number_format = "#,##0.00"
wb.save("output.xlsx")- 日期列优先转成
pd.to_datetime()再导出，不然openpyxl无法正确识别 - 数字列用
df["col"] = df["col"].round(2)预处理，避免浮点误差影响格式设置 - 别在
to_excel里用float_format，它只影响数值显示，不改底层存储格式
真正麻烦的不是代码怎么写，而是不同数据库返回的 datetime 类型不一致（比如 MySQL 的 datetime 和 SQLite 的字符串），得在读取后统一用 pd.to_datetime 归一化，否则后面格式设置全失效。
