5 min de leitura

Pandas #17 - Lendo e Escrevendo Excel, HTML e Exportando Arquivos

Como ler planilhas Excel com read_excel(), extrair tabelas de páginas HTML com read_html(), e exportar um DataFrame de volta para CSV, JSON e Excel.

Pandas #17 - Lendo e Escrevendo Excel, HTML e Exportando Arquivos

No post anterior você combinou dados vindos de tabelas diferentes numa única análise. Mas até agora a série só mostrou como ler dados de CSV e JSON — lá no primeiro post — e nunca como lidar com outros formatos comuns, nem como fazer o caminho inverso: salvar o resultado de volta num arquivo. Este post fecha essas duas pontas: leitura de Excel e HTML, e exportação com to_csv(), to_json() e to_excel().

Lendo planilhas Excel com read_excel()

Excel continua sendo um formato comum pra troca de dados, principalmente fora de times técnicos. read_excel() carrega uma planilha do mesmo jeito que read_csv() carrega um CSV.

Exemplo 1 - lendo uma planilha específica

import pandas as pd

df = pd.read_excel("vendas.xlsx", sheet_name="2026")
print(df.head())

Se o arquivo tiver mais de uma aba, sheet_name escolhe qual carregar — por nome (como no exemplo) ou por posição numérica (sheet_name=0 pra primeira aba). Sem esse parâmetro, o Pandas carrega só a primeira aba por padrão.

Nota: ler e escrever Excel depende de uma biblioteca auxiliar instalada separadamente (openpyxl, na maioria dos casos) — se faltar, o Pandas avisa com um erro claro pedindo pra instalar o pacote certo.

Lendo tabelas de páginas HTML com read_html()

Quando os dados que você precisa estão numa tabela dentro de uma página web (não num arquivo baixado), read_html() extrai automaticamente todas as tabelas <table> da página, devolvendo uma lista de DataFrames.

Exemplo 2 - extraindo tabelas de uma página

tabelas = pd.read_html("https://exemplo.com/estatisticas")
print(len(tabelas))
print(tabelas[0].head())

Como uma página pode ter várias tabelas, o retorno é sempre uma lista — mesmo quando só existe uma tabela na página, você acessa com tabelas[0]. O parâmetro match ajuda a filtrar, aceitando só tabelas que contenham um texto específico, útil quando a página tem várias tabelas e você quer só uma delas.

O parâmetro match, mencionado acima, funciona assim na prática:

tabela_especifica = pd.read_html("https://exemplo.com/estatisticas", match="Total de vendas")[0]

Isso descarta qualquer tabela da página que não contenha o texto "Total de vendas" em algum lugar, evitando ter que adivinhar a posição certa na lista.

Exportando de volta para arquivo

Depois de toda a limpeza e análise, o passo final costuma ser salvar o resultado. Os métodos de exportação seguem o padrão to_<formato>(), espelhando os read_<formato>() que abriram esta série.

Exemplo 3 - exportando para CSV

resultado = pd.DataFrame({"produto": ["notebook", "mouse"], "total": [38400, 5970]})
resultado.to_csv("resultado.csv", index=False)

index=False evita que o índice numérico do Pandas vire uma coluna extra no arquivo — geralmente é isso que você quer, a não ser que o índice em si carregue alguma informação relevante (como um ID ou uma data).

Exemplo 4 - exportando para JSON e Excel

resultado.to_json("resultado.json", orient="records")
resultado.to_excel("resultado.xlsx", sheet_name="Resumo", index=False)

orient="records" grava o JSON como uma lista de objetos (um por linha), o formato mais comum pra consumo por outras aplicações — sem esse parâmetro, o Pandas usa uma estrutura por coluna, menos intuitiva pra quem só quer ler os dados.

Nota: o Pandas também exporta pra outros formatos com a mesma convenção — to_sql() grava direto num banco de dados, to_parquet() grava num formato binário colunar eficiente pra grandes volumes. O padrão to_<formato>() se repete em praticamente todos.

Escrevendo várias abas no mesmo arquivo Excel

Quando o resultado final precisa de mais de uma aba no mesmo arquivo — um resumo numa aba, o detalhamento em outra — to_excel() sozinho não dá conta, porque cada chamada sobrescreve o arquivo inteiro. A classe ExcelWriter resolve isso, funcionando como um contexto (with) que acumula várias abas antes de salvar.

Exemplo 5 - múltiplas abas com ExcelWriter

resumo = pd.DataFrame({"produto": ["notebook", "mouse"], "total": [38400, 5970]})
detalhado = pd.DataFrame({"pedido": [101, 102], "produto": ["notebook", "mouse"]})

with pd.ExcelWriter("relatorio.xlsx") as escritor:
    resumo.to_excel(escritor, sheet_name="Resumo", index=False)
    detalhado.to_excel(escritor, sheet_name="Detalhado", index=False)

As duas chamadas de to_excel() usam o mesmo objeto escritor, então as duas abas acabam no mesmo arquivo relatorio.xlsx, em vez de um sobrescrever o outro.

Nota: read_excel() também aceita usecols, pra carregar só algumas colunas da planilha (por letra, como no Excel — "A:C" — ou por nome), útil quando a planilha original tem colunas que você sabe de antemão que não vai usar.

Com read_excel(), read_html() e os métodos to_<formato>(), o ciclo de entrada e saída de dados do Pandas está completo: além de CSV e JSON, você agora lê Excel e HTML, e sabe exportar o resultado de qualquer análise de volta pro formato que precisar. O próximo — e último — post desta série fecha com gráficos mais avançados: boxplot, área, pizza e múltiplos subplots de uma vez.

Fonte adaptada: Pandas - Reading Data from an Excel File, Pandas - Writing Data to Excel Files, Pandas - Working with HTML Data, Pandas - IO Tools