Python高效生成Excel报表：XlsxWriter核心用法与实战

写 Python 的人最逃不过的一件事，就是和 Excel 打交道。老板要周报、客户要数据、同事要名单，需求永远一个接一个。我处理过 pandas 直出、openpyxl 另存、手动拼 CSV 等多种方案，最后在“生成 xlsx 报表”这个场景里长期停在 XlsxWriter 上。它不像 pandas 那样以数据分析为重心，也不像 openpyxl 那样既能读又能写，但如果你要的是“高效生成一份格式规范、带公式、带图表、可直接交付的 .xlsx 文件”，它几乎是把这件事做到最极致的选择。这篇文章把我这几年的使用心得、踩过的坑和一个完整实战案例都整理出来，适合刚接触 Python 写 Excel 的新手，也适合已经用 openpyxl 但总被大文件或格式细节折磨的开发者。

1. 项目定位：先搞明白它能干什么、不能干什么

1.1 它是“写”Excel 的专用工具，不是“读写”全家桶

很多同学第一次看到 XlsxWriter 的名字，下意识会觉得它是一个像 openpyxl 一样的通用 Excel 库：既能读、能改、能写，还能保留原文件格式。这是一个非常容易搞错的认知。XlsxWriter 从设计之初就是“写入专用”的，官方文档第一句话就写得很明白：它是一个用于创建 Excel 2007+ xlsx 文件的 Python 模块。换句话说，它不能读取现有工作簿里的内容，也不能修改别人已经做好的 Excel 文件。

这个“限制”一开始可能让人觉得不太方便，但换个角度看，这正是它专注且强大的原因。因为它只负责写入，所以可以把所有精力都放在文件生成的质量上：对 Excel XML 结构的包装、对格式细节的还原、对公式和图表类型的支持、对内存的控制，都做得非常细。我个人的经验是，凡是“程序自动生成报告”这类需求，只要目标文件是全新的、不需要读取旧内容，我都会优先选 XlsxWriter。

如果你需要的是读取 Excel、把数据加载成 DataFrame、或者修改已有模板里的某些单元格，那确实应该用 openpyxl 或 pandas。工具没有绝对好坏，关键是场景匹配。做业务报表时“每天生成一份新的销售统计表”，这是 XlsxWriter 的主场；做数据清洗时“从一张乱糟糟的表格里提取数据”，那请去用 openpyxl。

1.2 和 openpyxl、pandas.to_excel 之间怎么选

我见过太多团队为了省事，把所有 Excel 操作全部塞进 pandas 的to_excel()，结果一遇到复杂格式就抓瞎；也见过有人明明只需要快速写个表格，却硬要引入完整的 openpyxl，把代码写得很重。这里我直接给一张对比表，按自己的实际场景对号入座就行。

看到这张表你应该明白了：pandas 并不擅长“做报表”，它擅长的是“把分析结果倒出来”。而 XlsxWriter 恰恰补上了 pandas 在格式和图表能力上的短板。两者不是竞争关系，而是上下游合作关系。

我目前的工作流是：pandas 负责读数据、清洗、计算，XlsxWriter 负责最后一步的“呈现”。用pandas.ExcelWriter('report.xlsx', engine='xlsxwriter')把两者桥接起来，既能享受 DataFrame 的便利，又能拿到 XlsxWriter 的全部格式能力，这个组合我强烈推荐所有做数据报表的人试一次。

2. 底层原理与设计亮点：懂了这些，你才算真入门

2.1 xlsx 文件本质上就是一个 zip 压缩包

很多人用 Excel 库用了很久，却不知道 .xlsx 文件内部长什么样。实际上，xlsx 就是一个 zip 压缩包，里面装着一组 XML 文件。这些 XML 分别描述工作簿结构、每个工作表的内容、样式定义、共享字符串、图表定义等等。你可以自己动手验证一下：把任意一个 .xlsx 文件后缀改成 .zip ，解压后就能看到xl/worksheets/sheet1.xml、xl/styles.xml、xl/sharedStrings.xml这些文件。

XlsxWriter 做的事情，说穿了就是“把数据按 Excel 规定的 XML 格式序列化再打包”。但难点从来不在“能写出 XML”，而在“每个细节都符合规范”。比如字符串存储时会自动维护一张共享字符串表来压缩体积；比如单元格样式会被去重后引用样式索引；比如合并单元格、冻结窗格、筛选按钮等都有自己特定的 XML 段落。XlsxWriter 把这些规范都封装成了友好的 Python API，你只需要调用write()、merge_range()、set_column()就能生成合法且稳定的文件。

理解这一点非常重要，因为它解释了为什么 XlsxWriter 输出的文件在 Excel、WPS、LibreOffice 里基本不会出现“文件损坏”的提示。我自己在用其他库生成复杂图表时遇到过几次“Excel 发现文件中的部分内容有问题”的弹窗，而用 XlsxWriter 生成的文件从来没有出现过这类问题。对一个要交付给客户或领导的报表来说，文件稳定性就是业务底线。

2.2 为什么它写大文件比某些库更省内存

Excel 处理库在内存表现上差异很大，核心原因在于写入策略。有的库为了支持“读取后修改”，必须在内存中完整维护工作簿对象模型；而 XlsxWriter 是纯写入导向的，它有一条官方的constant_memory模式，打开后它会采用类似流式写入的策略，逐行生成工作表 XML 并即时落盘，而不是把所有行数据都积压在内存里。

这个差异在几十行的测试文件上完全体现不出来，但当你需要生成一个 10 万行、几十列的业务明细表时，差距就非常明显了。我实测过一个约 20 万行的导出任务，普通模式下内存占用大概在 800MB 左右波动，开启constant_memory后直接降到 300MB 上下，而且还没算上 pandas 那边 DataFrame 本身的内存开销。如果你的服务器只有 2G 内存，这种差距就是能不能跑完任务的区别。

使用方式非常简单，在创建 Workbook 时传一个配置字典：

import xlsxwriter workbook = xlsxwriter.Workbook('big_file.xlsx', {'constant_memory': True}) worksheet = workbook.add_worksheet('明细')

需要提醒的是，constant_memory模式不是没有代价的。因为它不等全部数据写完后才落盘，有些依赖“回头翻看之前单元格”的功能会受限。比如工作表底部的autofit功能、某些需要二次写入的图表关联，就可能在流式模式下表现异常。我的建议是：小文件不要开，默认模式功能最全；只有当你确认文件会很大、且报表结构是“逐行顺序写入”时才开。

2.3 一个容易被忽略但影响最终效果的设计：单元格写入类型区分

XlsxWriter 把写入方法按数据类型拆得很细：write_string()、write_number()、write_datetime()、write_formula()、write_blank()、write_url()等。如果你不做特殊区分，也可以统一用worksheet.write()让它自动推断类型。这个设计乍一看有点啰嗦，但实际作用很大。

因为 Excel 里的每个单元格都有“类型”概念。一个数字如果按字符串写入，虽然肉眼看着一样，但无法参与求和，单元格左上角还会出现绿色的三角提示。XlsxWriter 之所以拆得细，就是为了让你明确控制最终文件里的数据类型。用write()自动推断时，Python 的int、float会写成数值，str会写成字符串，datetime.datetime会被尝试转为日期。但如果你的数据源里混了字符串形式的数字（比如从 CSV 读出来的“123”），自动推断就会把它们全部写成文本，最终统计全部失效。

所以我处理业务数据时的习惯是：能用write()快速写的场景用write()，但凡是百分率、金额、日期这些对类型敏感的列，都手动调用对应的数据专用方法，或者提前在 pandas 阶段把类型转换好。宁可代码多两行，也不要让领导看到一张“看起来是数字、实际都是文本”的报表。

3. 核心功能实操拆解：报表里常用的全能上

3.1 Workbook 和 Worksheet：先搭骨架再填肉

任何 XlsxWriter 程序都有固定三步：创建 Workbook、添加 Worksheet、写完调用workbook.close()。这个close()很重要，它负责把缓冲中的内容最终写入磁盘并关闭文件。很多初学者写完后发现文件是空的，或者文件打不开，十有八九就是忘了调用close()，或者程序在写入过程中抛异常导致文件句柄没释放。

import xlsxwriter workbook = xlsxwriter.Workbook('demo.xlsx') worksheet = workbook.add_worksheet('销售明细') worksheet.write('A1', '日期') worksheet.write('B1', '金额') worksheet.write(1, 0, '2025-01-01') worksheet.write(1, 1, 1200) workbook.close()

这里要注意worksheet.add_worksheet()这个写法是 Workbook 的方法，不是 Worksheet 的方法，我在早期写错过很多次。此外，工作表名称不要超过 31 个字符，不要包含: \ / ? * [ ]这些特殊字符，否则文件会在 Excel 里打不开。名称是支持中文的，比如add_worksheet('销售明细')完全没问题。

搭好骨架之后，下一步就是列宽和行高。set_column()方法特别常用，可以用列字母区间或者列下标来指代范围：

worksheet.set_column('A:A', 18) worksheet.set_column('B:F', 22) worksheet.set_row(0, 30) # 设置表头行高

如果不想让某列被修改，只想设一个最小宽度，可以传None作为宽度参数。换行文本可以通过格式对象里的text_wrap开启，同时配合set_column的宽度来控制视觉效果。

3.2 Format 对象：单元格样式是报表的“脸面”

在 XlsxWriter 里，样式不是直接写在单元格上，而是通过add_format()创建可复用的 Format 对象，再把它作为参数传给写入方法。这个模式和 CSS 的思路有点像：先定义样式类，再应用到元素上。好处是改一处样式，所有引用它的单元格都会同步变化，而且文件内部的样式表也可以被复用，不会无限膨胀。

一个完整的表头样式通常需要同时处理字体、底色、边框和对齐：

header_format = workbook.add_format({ 'bold': True, 'font_size': 11, 'font_color': '#FFFFFF', 'bg_color': '#4472C4', 'border': 1, 'align': 'center', 'valign': 'vcenter', })

把这个header_format传给write()的第三个参数，就能把单元格装饰成标准的深蓝底白字表头。实际使用中我最喜欢的是num_format这个参数，它用来控制数字的显示格式。比如金额列希望显示成“1,200.00”，日期列希望显示成“2025-01-01”，只要在对应的 Format 里设置：

money_format = workbook.add_format({'num_format': '#,##0.00'}) date_format = workbook.add_format({'num_format': 'yyyy-mm-dd'}) percentage_format = workbook.add_format({'num_format': '0.00%'})

这类格式对象数量是越少越好。因为 Excel 内部对样式数量有上限约束，虽然普通报表根本碰不到这个限制，但如果你循环给每个单元格都新建一个 Format 对象，内存和文件体积都会膨胀。正确做法是先在外面建好若干种格式，写入时按需引用。这个习惯对长期维护的项目尤其重要。

3.3 公式、日期和条件格式：让 Excel 帮你算

XlsxWriter 最让我满意的地方之一，是它对公式的支持非常稳。你可以直接在单元格里写任何 Excel 支持的公式，它会把公式文本原样写入文件，等用户用 Excel 打开文件时自动计算结果。这比你在 Python 里手动计算再写结果要稳妥得多，因为只要 Excel 是打开的，公式就能动态重算，后续改动数据也会自动更新。

worksheet.write_formula('C2', '=SUM(B2:B6)') worksheet.write_formula('C3', '=IF(C2>1000, "达标", "未达标")')

有些场景下，报表交付后并不想让人看到中间计算过程，只想保留最终结果。这时候 XlsxWriter 也提供了write_formula()的value参数，可以在写入公式的同时写入一个缓存结果。这样 Excel 打开时能直接显示这个值，而公式本身依旧存放在单元格里：

worksheet.write_formula('C2', '=SUM(B2:B6)', None, 5200)

日期写入是一个高频需求，但很多新手在这上面栽过跟头。XlsxWriter 的write_datetime()不是把字符串写进去，而是把 Python 的datetime对象转换为 Excel 的日期序列号，再配一个num_format显示格式。所以完整写法是：

import datetime date_fmt = workbook.add_format({'num_format': 'yyyy-mm-dd'}) worksheet.write_datetime('A2', datetime.datetime(2025, 1, 15), date_fmt)

如果直接把datetime传给write()，XlsxWriter 会尝试自动识别，但它默认的日期格式可能不是你想要的，所以我建议显式指定num_format。条件格式也是大杀器，比如让销售额低于目标值的单元格直接变红底，几行代码就能实现，比在 Python 里逐行判断再改样式靠谱得多：

red_format = workbook.add_format({'bg_color': '#FFC7CE', 'font_color': '#9C0006'}) worksheet.conditional_format('C2:C20', { 'type': 'cell', 'criteria': '<=', 'value': 1000, 'format': red_format, })

条件格式支持的类型非常多：数值区间、文本包含、日期范围、重复值、公式自定义等。你一张表里有十几处高亮规则，都能通过这种方式干净地落到文件里。

3.4 图表：几行代码把柱状图、折线图嵌进工作表

报表如果只有干巴巴的数字，说服力会差很多。XlsxWriter 内置了近二十种图表类型：柱状图、条形图、折线图、饼图、散点图、面积图、雷达图，还有股价图和圆环图。而且图表的插入非常简单，三步就能完成：创建图表对象、给图表添加数据系列、把图表插入到工作表指定位置。

chart = workbook.add_chart({'type': 'column'}) chart.add_series({ 'name': '销售额', 'categories': '=销售明细!$A$2:$A$7', 'values': '=销售明细!$B$2:$B$7', }) chart.set_title({'name': '各月销售额对比'}) chart.set_x_axis({'name': '月份'}) chart.set_y_axis({'name': '销售额'}) worksheet.insert_chart('E2', chart)

这里有一个关键点：图表引用的数据必须用 Excel 的单元格引用语法，也就是=Sheet名!单元格区域这种写法。Sheet 名如果包含空格或中文，要用单引号包起来，比如='销售明细'!$A$2:$A$7。中文 Sheet 名在图表引用里没有单引号包裹时，Excel 打开图表很可能显示为空。

图表对象可以叠加多个系列，可以在同一张表里放多个图表，位置通过insert_chart()的第二个参数控制。你甚至可以通过set_table()让图表下方带上数据表，做出的效果非常接近手工在 Excel 里插入的图表。对自动化报表来说，这套能力已经覆盖了绝大多数可视化需求。

3.5 数据校验、下拉菜单和冻结窗格：把报表做成“可交互”的

除了静态的格式和图表，XlsxWriter 还支持数据校验（Data Validation），也就是给单元格加上下拉选项、数值范围限制。这个功能在做模板类报表时特别有用，比如让填写人只能从“已交付/未交付/已取消”三个状态里选，能非常有效地减少脏数据。

worksheet.data_validation('C2:C100', { 'validate': 'list', 'source': ['已交付', '未交付', '已取消'], })

除了下拉列表，data_validation还支持整数范围、小数范围、日期范围、文本长度范围等。配合input_message和error_message，你可以在用户点击单元格时弹出友好提示，或者在输入非法数据时弹出拒绝提示。做一个“别人拿到手就能填”的模板，这招非常加分。

冻结窗格是另一个高频功能，长表格滚动时如果表头被顶出屏幕，体验很差。用freeze_panes()可以把指定位置以上的行、以左的列固定住：

worksheet.freeze_panes(1, 0) # 冻结第一行 worksheet.freeze_panes(0, 1) # 冻结第一列 worksheet.freeze_panes(1, 2) # 同时冻结前两列和第一行

自动筛选按钮同样很实用，只要一行代码就能让表头带上筛选箭头：

worksheet.autofilter('A1:F100')

这几项功能组合起来，你能从 XlsxWriter 里产出的就不只是“数据表”，而是一个有基本交互能力的“数据报表工具”。我经常用它来给业务部门生成带筛选、带下拉、带条件高亮的周报文件，那些同事拿到文件后基本不需要额外培训就能上手。

4. 实战：从零生成一份带格式、公式和图的销售月报

4.1 需求梳理与整体结构

纸上谈兵聊够了，直接上一个我能保证完全跑通的完整脚本。假设场景是：公司需要每月生成一份“销售月报.xlsx”，里面有几个部分。第一部分是产品维度的销量汇总；第二部分是各地区业绩对比，需要柱状图；第三部分是本月整体达成率，用百分比显示；另外还要有两行自动统计的总计。

我把这份报告拆成四块逻辑：准备数据、创建 Workbook 和格式对象、写入汇总区和明细区、插入图表。为了方便演示，这里数据直接在代码里写死，实际项目中你用 pandas 从数据库或 CSV 读出来替换即可。

4.2 代码实现与逐步解释

import xlsxwriter # 模拟数据：产品、所属区域、实际销量(件)、目标销量(件) data = [ ('台式机', '华东', 3200, 3500), ('台式机', '华南', 2100, 2200), ('笔记本', '华东', 4600, 4200), ('笔记本', '华南', 3800, 4000), ('显示器', '华东', 1500, 1200), ('显示器', '华南', 900, 1100), ] workbook = xlsxwriter.Workbook('销售月报.xlsx') worksheet = workbook.add_worksheet('月度汇总') worksheet.freeze_panes(1, 0) # 预定义格式对象，全部复用 title_format = workbook.add_format({ 'bold': True, 'font_size': 14, 'font_color': '#FFFFFF', 'bg_color': '#305496', 'align': 'center', 'valign': 'vcenter', }) header_format = workbook.add_format({ 'bold': True, 'font_color': '#FFFFFF', 'bg_color': '#4472C4', 'border': 1, 'align': 'center', 'valign': 'vcenter', }) number_format = workbook.add_format({ 'num_format': '#,##0', 'border': 1, 'align': 'center', 'valign': 'vcenter', }) percent_format = workbook.add_format({ 'num_format': '0.0%', 'border': 1, 'align': 'center', 'valign': 'vcenter', }) total_format = workbook.add_format({ 'bold': True, 'bg_color': '#D9E1F2', 'num_format': '#,##0', 'border': 1, 'align': 'center', 'valign': 'vcenter', }) # 合并单元格写大标题 worksheet.merge_range('A1:E1', 'XX公司 2025年1月销售月报', title_format) worksheet.set_row(0, 30) worksheet.set_column('A:A', 12) worksheet.set_column('B:B', 12) worksheet.set_column('C:E', 14) # 表头 headers = ['产品', '区域', '实际销量', '目标销量', '达成率'] for col, header in enumerate(headers): worksheet.write(1, col, header, header_format) worksheet.set_row(1, 24) # 写明细数据，并累计实际/目标总量 row_start = 2 total_actual = 0 total_target = 0 for i, (product, region, actual, target) in enumerate(data): r = row_start + i worksheet.write_string(r, 0, product, number_format) worksheet.write_string(r, 1, region, number_format) worksheet.write_number(r, 2, actual, number_format) worksheet.write_number(r, 3, target, number_format) worksheet.write_formula(r, 4, f'=C{r+1}/D{r+1}', percent_format) total_actual += actual total_target += target # 总计行 summary_row = row_start + len(data) worksheet.write_string(summary_row, 0, '总计', total_format) worksheet.merge_range(summary_row, 1, summary_row, 2, '—', total_format) # 合并两个单元格 worksheet.write_number(summary_row, 2, total_actual, total_format) worksheet.write_number(summary_row, 3, total_target, total_format) worksheet.write_formula(summary_row, 4, f'=C{summary_row+1}/D{summary_row+1}', percent_format) # 条件格式：达成率低于80%的标红 low_fmt = workbook.add_format({'bg_color': '#FFC7CE', 'font_color': '#9C0006'}) worksheet.conditional_format(f'E3:E{summary_row}', { 'type': 'cell', 'criteria': '<', 'value': 0.8, 'format': low_fmt, }) # 柱状图：各产品×区域实际销量对比 chart = workbook.add_chart({'type': 'column'}) chart.add_series({ 'name': '实际销量', 'categories': '=月度汇总!$A$3:$A$8', 'values': '=月度汇总!$C$3:$C$8', }) chart.set_title({'name': '各产品实际销量对比'}) chart.set_x_axis({'name': '产品'}) chart.set_y_axis({'name': '销量(件)'}) chart.set_style(10) worksheet.insert_chart('G2', chart) # 饼图：区域销量占比 chart2 = workbook.add_chart({'type': 'pie'}) chart2.add_series({ 'name': '区域金额', 'categories': '=月度汇总!$B$3:$B$8', 'values': '=月度汇总!$C$3:$C$8', }) chart2.set_title({'name': '区域销量占比'}) worksheet.insert_chart('G20', chart2) workbook.close() print('报表已生成：销售月报.xlsx')

这个脚本我拆开讲几个关键点。一是所有格式对象都提前创建、复用，后面写入单元格时只传对象引用，这样文件样式表不会爆。二是达成率没有在 Python 里先算好，而是写成公式=C列/D列，这样后续如果有人修改了实际销量单元格，达成率会自动重算，不会被写死的数值坑到。三是注意合并summary_row那行的第 1、2 列时，merge_range()的参数依次是首行、首列、末行、末列、内容、格式，别和write()的参数顺序搞混。

饼图那里的 categories 引用了区域列，看起来逐行取的是“华东、华南……”，所以最终饼图会把每个产品-区域组合的销量分别当成一个扇区。如果你希望饼图真正按区域聚合，老老实实先在 Python 端或 Excel 公式里汇总好，再用汇总结果做图。这是我实际做报表时最容易翻车的地方：把明细数据直接丢给饼图，出来一张含义完全错误的图。

4.3 报表的可视化输出效果

脚本跑完后，用 Excel 打开“销售月报.xlsx”，你能看到的效果包括：第一行是居中标题，深蓝底白字；第二行表头同样带底色；明细表有千位分隔符；每个产品的达成率按百分比显示，且低于 80% 的自动变成红底红字；最下方“总计”行加粗、浅蓝底。右侧嵌着两张图表，一张柱状图展示各产品实际销量，一张饼图展示区域销量占比。

整个文件不需要你手工调整任何样式，打开即可交付。这在实际工作中节省的时间非常可观。以前我用 pandas 直出 CSV 或者简单表格，每次都要让同事自己加筛选、调列宽、做图；现在这套流程跑完，文件本身就是“成品”。

5. 常见问题与排查技巧实录（都是踩过的坑）

5.1 常见报错与处理方式速查表

下面这些是我在社区和实际项目里高频遇到的问题，直接做成了速查表，方便大家遇到相似报错时快速定位。

5.2 关于公式“不计算”的经典误解

有一种情况经常被新手当成 BUG：用 XlsxWriter 写入=SUM(...)公式后，用 pandas 的read_excel()读取那个单元格，读到的结果是 0 或者None。其实这不是 XlsxWriter 的锅，而是很多读取库默认读的是 Excel 文件里缓存的公式结果值，而 XlsxWriter 写入时没有缓存任何结果，所以读取端就拿到一个空值。

这种情况的解法也很简单。如果你只是想“生成文件给用户用 Excel 打开”，完全不用管，Excel 打开时会自动计算所有公式。如果你还需要用 pandas 在同一份文件里回读数据，可以把write_formula()的最后一个参数value传进去，这样文件里就带上了缓存结果，pandas 读取时就能拿到。

worksheet.write_formula('C2', '=SUM(B2:B6)', None, 5200)

我个人的习惯是：凡是公式结果需要被其他程序再读取的，一定显式传value；只给人看的报表，就不需要这个参数。搞清楚这条规则，能省去很多来回排查的时间。

5.3 与 pandas 引擎配合时要注意的格式丢失问题

用pandas.ExcelWriter(path, engine='xlsxwriter')时，很多人会误以为to_excel()之后还能用 XlsxWriter 的全部 API 操作同一个文件。这个思路是对的，但有先后顺序：必须先拿到 writer 底层的 workbook 和 worksheet 对象，先写 pandas 数据，再叠加格式和图表，最后统一close()。

import pandas as pd df = pd.DataFrame({'产品': ['A', 'B'], '销量': [100, 200]}) with pd.ExcelWriter('report.xlsx', engine='xlsxwriter') as writer: df.to_excel(writer, sheet_name='数据', index=False) workbook = writer.book worksheet = writer.sheets['数据'] worksheet.set_column('A:B', 16) chart = workbook.add_chart({'type': 'line'}) chart.add_series({'values': '=数据!$B$2:$B$3'}) worksheet.insert_chart('D2', chart)

特别要注意：with块结束时会自动调用writer.close()，所以不要再在里面重复调用workbook.close()，否则会报文件已被关闭之类的错误。另外，to_excel()默认会从第 0 行第 0 列开始写，如果你的报表前面要留标题行，可以先在对应位置手动写入标题，再用startrow参数把 DataFrame 的写入位置往后挪。

5.4 多线程和多 Sheet 场景下的几个细节

XlsxWriter 官方文档明确说明，它不支持多线程并发写入同一个工作簿。原因不难理解：Excel 文件内部结构是一个整体，多个线程同时写 XML 片段容易产生数据竞争，最终导致文件损坏。如果你有海量数据要并行处理，建议的方案是先用多进程把数据算好、切分好，汇总到内存后再由单线程顺序写入 XlsxWriter。

多 Sheet 的生成倒是非常简单，一个 Workbook 可以反复调用add_worksheet()添加多个工作表，然后随意切换当前工作表写入。切换本身没有特别的门道，只要保存好每个 worksheet 对象的引用即可。生成顺序和最终文件里 Sheet 的排序一致，如果想调整顺序，可以用worksheet.set_tab_order()控制标签页顺序。我还习惯在每个 Sheet 完成后把列宽都设置好，否则导出后用户看到的表格挤成一团，体验会比较差。

5.5 关于中文、编码与 WPS 兼容性的实战经验

XlsxWriter 内部对中文的支持是原生且无痛的，因为 xlsx 文件本质是 XML，使用 UTF-8 编码，所以write_string()里面直接写中文没有任何问题。但如果你是从 CSV 或旧版 Excel 文件读出数据再写入，就要留意数据源本身的编码。Python 3 里字符串已经是 Unicode，只要数据源读取时正确指定了编码，写入就不会出现乱码。

WPS 兼容性方面，我的实测结果是：常规格式、条件格式、图表、数据校验在 WPS 里基本都能正常显示。一个偶尔出问题的是公式中使用了较新的 Excel 函数（比如某些 365 专属函数），WPS 老版本可能计算不出来，但这属于具体函数支持度问题，不是 XlsxWriter 的缺陷。给客户交付文件前，最好在他们的 Office 或 WPS 版本里快速打开验证一下，这种“最后一公里”的检查成本很低，但能避免很多售后麻烦。

6. 最后聊几句我的体会和一直沿用的习惯

用 XlsxWriter 这几年，我最大的感受是：它把“用 Python 生成 Excel”这件事变成了纯粹的愉悦体验。写报表的大部分时间不再花在“和库打架”上，而是花在思考“报表该怎么呈现”上。我的建议是，如果你刚接触这个库，不要一上来就搞复杂图表，先把 Workbook、Worksheet、Format、write()这四板斧练熟，再做一份带格式的简单月报，最后逐步加入公式、条件格式、图表和数据校验。每个功能都是独立的知识点，组合起来就是一份专业的工作成果。

我在实际项目里还保留着一个小习惯：所有 XlsxWriter 脚本都加一个“报表元信息”区域，在工作表头部写入生成时间、数据来源、生成人说明。这样文件发出去之后，后续任何人有疑问，都能在表头找到出处，排查问题省很多沟通成本。这个小细节领导夸过我好几次。

如果你已经被 openpyxl 的复杂对象模型劝退过，或者受够了 pandas 直出表格的简陋样式，强烈建议花一个下午把 XlsxWriter 的核心功能过一遍。看到几行代码就能生成一份带图表、带条件格式、带下拉校验的专业报表时，你会觉得这才是 Python 处理 Excel 报表该有的体验。