本文详解如何将通过 pd.merge() 合并的两个 dataframe 正确导出为 excel 文件（.xlsx），包括关键步骤：统一主程序入口、保存合并结果、避免重复定义与作用域错误，并提供可直接运行的完整示例代码。
本文详解如何将通过 pd.merge() 合并的两个 dataframe 正确导出为 excel 文件（.xlsx），包括关键步骤：统一主程序入口、保存合并结果、避免重复定义与作用域错误，并提供可直接运行的完整示例代码。
在使用 Pandas 处理多源数据时，常需将来自不同来源（如不同网页、数据库或 CSV）的 DataFrame 按指定列（如唯一标识字段）进行合并，再统一导出为 Excel 供后续分析或汇报。初学者容易陷入两个常见误区：一是误用多个独立的 if __name__ == "__main__": 块导致变量作用域隔离；二是未将 pd.merge() 的返回结果显式赋值给新变量，从而无法调用 .to_excel() 方法。
核心要点如下：
✅ 必须将合并结果赋值给变量（如 df_merged = pd.merge(...)），否则仅打印输出无法保存；
✅ 所有数据处理逻辑应置于同一个 if __name__ == "__main__": 块中，确保 df 和 df2 在同一作用域内可被访问；
✅ .to_excel() 直接作用于合并后的 DataFrame，语法与单个 DataFrame 完全一致，无需额外配置（除非需多表、样式等高级功能）；
✅ 推荐添加 index=False 参数，避免将行索引写入 Excel，保持表格更简洁专业。
以下是整合优化后的关键代码段（已移除冗余、修复逻辑冲突，并增强可读性）：
if __name__ == "__main__":
# --- 第一个数据源：哥伦比亚联赛 ---
df = pd.DataFrame(_get_rows(matchlink))
df[['home', 'away']] = df['match'].str.split("-", expand=True)
df[['scorehome', 'scoreaway']] = df['result'].str.split(":", expand=True)
df = df.astype({'scorehome': 'int', 'scoreaway': 'int'})
df['campionato'] = "Chi-A"
df['sum_stats'] = df[['scorehome', 'scoreaway']].sum(axis=1)
df['over05'] = np.where(df['sum_stats'] > 0, 'OK', 'NO')
df['goal'] = np.where((df['scorehome'] >= 1) & (df['scoreaway'] >= 1), 'OK', 'NO')
df['esito'] = ['1' if h > a else '2' if h < a else 'X'
for h, a in zip(df['scorehome'], df['scoreaway'])]
df['result'] = df['result'].str.replace(':', '-')
df['uniquefield'] = df[['home', 'away', 'result']].apply(lambda r: ' '.join(r.astype(str)), axis=1)
df = df[['home', 'away', 'scorehome', 'scoreaway', 'result', 'best_bets', 'oddtwo', 'oddthree',
'sum_stats', 'over05', 'goal', 'esito', 'campionato', 'uniquefield']]
df = df.sort_values('best_bets')
# --- 第二个数据源：智利联赛 ---
df2 = pd.DataFrame(_get_rows(matchlink2))
df2[['home', 'away']] = df2['match'].str.split("-", expand=True)
df2[['htresult', 'shresult']] = df2['htftresult'].str.split(",", expand=True)
df2['htresult'] = df2['htresult'].str.strip('()')
df2['shresult'] = df2['shresult'].str.strip('()')
df2['campionato'] = "Chi-A"
df2['result'] = df2['result'].str.replace(':', '-')
df2['uniquefield2'] = df2[['home', 'away', 'result']].apply(lambda r: ' '.join(r.astype(str)), axis=1)
df2 = df2[['home', 'away', 'htresult', 'shresult', 'result', 'campionato', 'uniquefield2']]
# --- 合并并导出 ---
df_merged = pd.merge(df, df2, left_on='uniquefield', right_on='uniquefield2', how='left').drop('uniquefield2', axis=1)
# ✅ 关键：将合并结果保存为 Excel
file_name = 'BexData.xlsx'
df_merged.to_excel(file_name, index=False) # 推荐 index=False
print(f"✅ 合并后的 {len(df_merged)} 行数据已成功导出至 '{file_name}'")注意事项与最佳实践：
- ? 检查合并键有效性：确保 uniquefield 与 uniquefield2 确实能准确匹配（建议先用 df_merged.isna().sum() 查看缺失值，判断是否需调整 how= 参数为 'inner' 或 'outer'）；
- ? 路径与权限：若导出失败，请确认当前工作目录有写入权限，或使用绝对路径（如 r"C:\Reports\BexData.xlsx"）；
- ? 扩展需求：如需将 df 和 df2 分别写入 Excel 的不同 Sheet，可使用 pd.ExcelWriter；
- ⚠️ 函数重名警告：原代码中两个 _get_rows() 函数定义在同一作用域会引发覆盖（第二个覆盖第一个）。本方案已通过分步调用不同 URL规避该问题，实际开发中建议为函数命名更具区分度（如 _get_colombia_data() / _get_chile_data()）。
掌握这一流程后，无论合并 2 个还是多个 DataFrame，导出 Excel 都只需一行 .to_excel() —— 清晰、稳定、符合生产级代码规范。
