Datenexport

Material

Woche 15

Zuletzt aktualisiert

9. Oktober 2025

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns

In diesem Kapitel wollen wir uns vor allem mit dem Export von Daten beschäftigen, aber auch noch etwas mehr zum Import lernen. Tatsächlich wurde in Kapitel 6.2 ja nur erklärt wie wir Abbildungen, aber keine Daten exportieren können. Das wollen wir nun nachholen.

CSV-Dateien

Wie schon in Kapitel 5.3 zum Import von Daten wollen wir mit dem ggf. populärsten Format für den Datenaustausch beginnen: CSV-Dateien. Für den Import nutzen wir die Pandas Funktion pd.read_csv(). Für den Export gibt es die Methode to_csv() für den entsprechenden DataFrame.

df = pd.DataFrame({
    'Spalte_A': ['foo', 'bar', 'foo', pd.NA, 'foo', 'bar', 'foo', 'foo'],
    'Spalte_B': [1, 2, 3, 4, 5, 6, 7, pd.NA],
    'Spalte_C': [1.0, 2.0, 3.0, 4.0, 5.0, pd.NA, 7.0, 8.0]
})

df.to_csv('meinedatei.csv')

Wenn wir in Jupyter Labs oder Jupyter Notebook arbeiten, wird die Datei namens meinedatei.csv im gleichen Verzeichnis gespeichert, in dem auch das Notebook liegt. Sie ist außerdem erwartungsgemäß mit Komma als Trennzeichen gespeichert, was allerdings dazu führt, dass man sie in Excel nicht im gewünschten Format öffnen kann:

Das liegt daran, dass Excel in Deutschland standardmäßig ein Semikolon als Trennzeichen erwartet, was wiederum daran liegt, dass in Deutschland das Komma (und nicht ein Punkt) als Dezimaltrennzeichen verwendet wird. Das können wir aber auch in Pandas einstellen:

df.to_csv('meinedatei2.csv', sep=';')

Die Datei meinedatei2.csv wird dann mit einem Semikolon als Trennzeichen gespeichert und kann gut in Excel geöffnet werden.

Außerdem könnten folgende Argumente für to_csv() interessant sein:

  • index: Standardmäßig wird der Index des DataFrames mit exportiert, aber in einem Fall wie diesem ist der Index des DataFrames nicht besonders wichtig, sondern eher störend, sodass man ihn mit dem Argument index=False auch weglassen kann.
  • header: Standardmäßig wird auch die Kopfzeile, also die Spaltennamen mit exportiert. Falls dies mal nicht gewünscht sein sollte lässt sich auch das mit header=False abstellen.
  • decimal: Das Dezimaltrennzeichen ist standardmäßig ein Punkt (decimal='.'), kann aber auch auf ein Komma geändert werden (decimal=',').
  • na_rep: Standardmäßig werden fehlende Werte so exportiert, dass sie als leere Zellen dargestellt werden. Manchmal kann es aber auch gewünscht sein, dass Fehlwerte als ein bestimmter Wert dargestellt werden, z.B. als String NA oder gar als -9999. Das lässt sich mit na_rep='NA' bzw. na_rep='-9999' einstellen.

Alle weiteren Argumente können in der Dokumentation nachgelesen werden.

Excel-Dateien

Auch Excel-Dateien lassen sich mit Pandas exportieren mittels der Methode to_excel(). Hier gilt es allerdings zu unterscheiden zwischen den zwei unterschiedlich komplexen Fällen ob man nur eine einzelne Tabelle oder mehrere Tabellen in dieselbe Datei exportieren möchte.

Eine Tabelle in eine Datei

Will man - wie auch bei .to_csv() - nur eine Tabelle in eine Datei exportieren, so ist das sehr einfach und man braucht nicht mal unbedingt den Tabellenblattnamen anzugeben, man kann es aber tun:

df.to_excel('meinedatei1.xlsx')
df.to_excel('meinedatei2.xlsx', sheet_name='MeinBlatt')

Auch hier gibt es wieder Argumente wie index, header, na_rep. Außerdem gibt es noch die Argumente startrow und startcol, mit denen festgelegt werden kann ab welcher Zeile bzw. Spalte die Daten geschrieben werden sollen. Dies ermöglicht es z.B. mehrere Tabellen in ein Tabellenblatt zu schreiben, was zumindest für Präsentationen oder Berichte interessant sein könnte.

Mehrere Tabellen in eine Datei

Noch interessanter ist jedoch die Möglichkeit gleich mehrere Tabellen/Ergebnisse auf mehrere Tabellenblätter derselben Excel-Datei zu schreiben. Dafür muss ein sogenanntes ExcelWriter Objekt erstellt werden, welches dann die einzelnen Tabellenblätter schreibt. Zunächst benötigen wir allerdings eine zweite Tabelle, die wir exportieren können:

df2 = pd.DataFrame({
    'Spalte_D': ['foo', 'bar', 'foo', pd.NA],
    'Spalte_E': [5, 6, 7, pd.NA],
    'Spalte_F': [5.0, pd.NA, 7.0, 8.0]
})

Nun erstellen wir das ExcelWriter Objekt und schreiben die beiden Tabellen in die Datei:

with pd.ExcelWriter('meinedatei3.xlsx') as writer:
    df.to_excel(writer, sheet_name='MeineTabelle1')
    df2.to_excel(writer, sheet_name='MeineTabelle2')

TippWeitere Ressourcen