最快方法是用pandas的to_excel()，但需安装openpyxl（pip install openpyxl）解决ModuleNotFoundError；中文乱码需在Excel中设微软雅黑字体或换xlsxwriter引擎；大数据量应分块写入或改用parquet/csv。
直接用 pandas 的 to_excel() 最快，但导出失败、格式错乱、中文乱码、大文件卡死——这些问题基本都出在引擎、编码或写入方式上。
为什么 to_excel() 会报 “ModuleNotFoundError: No module named 'openpyxl'”？
因为 pandas 默认依赖 openpyxl 写 Excel（.xlsx），但它不随 pandas 自动安装。
- 运行
pip install openpyxl（推荐）；若只导出.xls，可装xlwt，但已不维护，不建议 - 确认是否误装了
openpyxl的旧版（如 2.x）：新版（3.0+）要求 Python ≥ 3.8，低版本 Python 请用openpyxl==2.6.4 - 如果用 conda 环境，注意
conda install openpyxl比 pip 更稳，尤其在 Anaconda 发行版中
中文列名/数据在 Excel 里显示为方框或乱码？
这不是编码问题，是 Excel 默认字体不支持中文。pandas 写入时无法嵌入字体设置，必须后置处理或换引擎。
-
openpyxl本身支持设置单元格字体，但to_excel()不暴露该接口；需用openpyxl手动加载再改 —— 适合导出后微调格式 - 更简单的方法：导出后，在 Excel 中全选 → 设置字体为
微软雅黑或SimSun（宋体） - 若坚持代码内解决，可用
xlsxwriter引擎（需pip install xlsxwriter），它支持指定字体：df.to_excel("out.xlsx", engine="xlsxwriter", options={"strings_to_urls": False})然后用workbook.add_format({"font_name": "微软雅黑"})控制样式
导出 10 万行以上就卡住或内存爆掉？
to_excel() 是全量写入，数据全载入内存再生成文件，不是流式写入。
立即学习“Python免费学习笔记（深入）”；
- 避免一次性
df.to_excel()整个 DataFrame；按块分批写入：with pd.ExcelWriter("out.xlsx", engine="openpyxl") as writer:+ 循环df_chunk.to_excel(writer, sheet_name=f"part_{i}", index=False) - 删除无用列、转换 dtype（比如把长字符串转成
category，把 int64 转成int32）能显著降内存 - 真要导百万级，别硬扛 Excel：优先考虑
to_parquet()或to_csv()（用encoding="utf-8-sig"防 Excel 打开乱码），再让业务方用 Power Query 导入
真正麻烦的不是“怎么导出”，而是“导出后要不要自动加边框、冻结首行、设列宽”——这些 openpyxl 能做，但每加一项就得重写逻辑，一不留神就把脚本变成 Excel 格式生成器。
