今天讲一下：
如何将数据分析结果存放于同一Excel文件中的不同Sheet页
先回顾一下：
学习笔记的第一篇，就讲过了如何利用Pandas的read_excel和to_excel方法从excel文件中读取数据和写Excel文件，其中讲到写Excel时，我们只写了一张表，因为如果使用to_excel(文件名)这种方法，第二次写文件时会直接覆盖上一次写的结果，那就永远只有最后一次写入的那张表。
今天本来是想讲一下openpyxl模块的，但后来发现pandas的to_excel方法其实也能写多个sheet页，所以我先看这个方法：
1、需要用到模块
pandas datetime
先引入这两个武器：
import pandas as pd
import datetime as dt
2、准备工作：
我们使用上篇那个test009.xlsx文件，不再另外准备数据表了。
3、先导入费用表和部门信息表
bf = pd.read_excel("d:\\data\\test009.xlsx",sheet_name="费用")
bm = pd.read_excel("d:\\data\\test009.xlsx",sheet_name="部门")
4、组合两张表数据：
df = pd.merge(bf,bm,left_on="工号",right_on="employee ID")
5、今天的任务是把组合后的数据中“工号”、“姓名”、“报销日期”、“费用类型”、“报销金额”、“部门”等列的数据，按9月和10月时间过滤，分别存入一个excel表中的两个sheet页，sheet页名分别为"Sep"和"Oct"
6、先把数据过滤出来：
df09 = df[["工号","姓名_x","报销日期","费用类型","报销金额","部门"]].where(df["报销日期"] < dt.datetime(,10,1))
df10 = df[["工号","姓名_x","报销日期","费用类型","报销金额","部门"]].where(df["报销日期"] >= dt.datetime(,10,1))
上面语句中，dt.datetime(,10,1)方法用于“构造”一个datetime标准时间，它的值为“-10-01 00:00:00 000000"，报销日期小于它的数据则是9月份的报销记录，报销日期大于等于它的，则是10月份的报销记录。两条命令运行后的结果如下：
我们可以发现两个结果中都存在许多缺失值的数据行，这是因为我们使用where方法对原数据集df进行过滤时，它会每行去进行匹配筛选，如符合，则取原值，如不符合，则设为缺失值，因此，在存入excel文件之前，我们还需要使用dropna方法把缺失值的数据行都删除：
df09 = df09.dropna()
df10 = df10.dropna()
7、将df09和df10数据写入excel文件：
writer = pd.ExcelWriter('d:\\data\\test010.xlsx')
df09.to_excel(writer, sheet_name="Sep",index=False)
df10.to_excel(writer, sheet_name="Oct",index=False)
writer.save()
writer.close()
结果如下：
上面主要是使用ExcelWriter方法，在内存中先创建了一个Excelbook的writer对象，然后在内存中对其进行操作，无论你写多少张sheet页，在save前,都不会影响实际的文件内容，因此，写完所有数据后，还需要使用save方法保存到文件中，并将writer对象关闭。
今天就先总结到这儿，如果大家有什么问题，可在公众号后台给我留言，在我能力圈内的，尽快给大家回复。
下篇预告：
讲一下pandas中另一种数据透视表方法
