Pandas非常善于处理大规模数据，支持将结果导出到CSV，Excel，HTML，json等文件中。 如果您想将 多种信息（excel、图片等）组合 到一个文档中，那么事情变得更加困难。 例如，如果要在一个Excel工作表上放置两个DataFrame，则需要使用相应的Excel库才能输出。 这当然是OK的，但走起来真不简单。 本文将介绍一种方法，将多种 信息（excel、图片等）组合 成一个 HTML模板 ，然后使用Jinja模板和WeasyPrint 再将其转换为独立的PDF文档。


操作流程

使用Pandas将数据输出到Excel文件中的多个工作表或者用DataFrames创建多个Excel文件非常方便。 但是，如果您想将 多种信息（excel、图片等）组合 输出到一个文件中，那么直接从Pandas进行操作的方法并不多。 幸运的是，万能的python大法有很多选项可以帮助我们。

在本文中，我将采用以下流程来创建多页PDF文档。


工具

我决定使用HTML作为模板语言，因为它可能是生成结构化数据最便捷的方法，支持各种格式数据（如图片、excel表）。我也认为每个人都知道（或可以弄清楚）足够的HTML知识来生成一个简单的报告。

这个工作流程中最困难的部分是弄清楚如何将HTML呈现为PDF。我觉得还没有最佳的解决方案，但我选择了 WeasyPrint ，因为它仍然在积极维护，我发现我可以相对容易地使它工作。作为替代方案，我过去使用过xhtml2pdf，它的效果也很好，遗憾的是该库缺乏文档说明，但它已存在一段时间，并且确实可以从HTML生成PDF。


数据

如上所述，我们将使用之前文章中的相同数据集。 为了使这一切成为一个独立的文章，下面是我如何导入数据,做描述性统计，及并生成关于CPU和软件销售的 数据透视表 。

导入模块，并读入销售渠道信息。

import pandas as pd
import numpy as np

df = pd.read_excel('salesfunnel.xlsx')
df.head()

Run

Account Name Rep Manager Product Quantity Price Status
0 714466 Trantow-Barrows Craig Booker Debra Henley CPU 1 30000 presented
1 714466 Trantow-Barrows Craig Booker Debra Henley Software 1 10000 presented
2 714466 Trantow-Barrows Craig Booker Debra Henley Maintenance 2 5000 pending
3 737550 Fritsch, Russel and Anderson Craig Booker Debra Henley CPU 1 35000 declined
4 146832 Kiehn-Spinka Daniel Hilton Debra Henley CPU 2 65000 won

对数据做透视表

sales_report = pd.pivot_table(df, index=["Manager", "Rep", "Product"], 
                              values=["Price", "Quantity"],
                              aggfunc=[np.sum, np.mean], 
                              fill_value=0)
sales_report.head()

Run

sum mean
Price Quantity Price Quantity
Manager Rep Product
Debra Henley Craig Booker CPU 65000 2 32500 1.0
Maintenance 5000 2 5000 2.0
Software 10000 1 10000 1.0
Daniel Hilton CPU 105000 4 52500 2.0
Software 10000 1 10000 1.0

模板

DataFrame拥有to_html()的方法，可以将dataframe数据转化为含有HTML格式的字符串。

但是随着您的报告变得越来越复杂或您选择将Jinja模板用于您的网络应用，jinja的这些功能将为您提供良好的服务。Jinja的另一个不错的功能是它包含多个内置过滤器，这些过滤器允许我们以Pandas中难以做到的方式格式化我们的一些数据。

为了在我们的应用程序中使用Jinja，我们需要做三件事：

1. 创建一个模板
2. 将变量添加到模板上下文中
3. 将模板渲染为HTML

这是一个非常简单的模板，我们称之为myreport.html：

<!DOCTYPE html>
<html>
<head lang="en">
    <meta charset="UTF-8">
    <title>{{ title }}</title>
</head>
<body>
    <h2>Sales Funnel Report - National</h2>
     {{ national_pivot_table }}
</body>
</html>

上面html代码中拥有 {{title}} 和 {{national_pivot_table }} 这两个关键词。这两个关键词用来接收需要渲染的数据，比如图片对象、dataframe对象等。

要填充这些变量，我们需要创建一个Jinja环境并获取我们的模板对象：

from jinja2 import Environment, FileSystemLoader
env = Environment(loader=FileSystemLoader('.'))
template = env.get_template('myreport.html')

在上面的示例中，我假设模板位于当前目录中，但您可以将完整路径放到模板位置。

另一个关键组件是 env 的创建。 这个变量是我们将数据（或对象）填充给模板的方式。 我们创建了一个名为 template_var 的字典，其中包含我们想要传递给模板的所有变量。

请注意变量的名称如何与我们的模板匹配。即名称要与myreport.html中的{{}}夹住的关键词一样。

template_vars = {"title" : "Sales Funnel Report - National",
                 "national_pivot_table": sales_report.to_html()}

最后一步是将 template_vars 渲染到html模板中，并输出为html字符串，最终我们将使用该html字符串来生成pdf报告。

html_out = template.render(template_vars)

为简洁起见，我不会显示完整的HTML，但您应该明白这一点。


生成pdf

pdf报告的生成部分相当简单，这里用到weasyprint库

from weasyprint import HTML
HTML(string=html_out).write_pdf("report.pdf")

但是打开的pdf样式很简单，白底黑字并不美观。之所以这样是因为我们没有使用自定义样式表css，但是咱们不熟悉css，有一种简单的办法就是用成熟的css，这里我用的typography.css 作为填充表格时的样式表。这个css的优点有：

1. 相对较小且易于理解
2. 可以在PDF引擎中运行而不会抛出错误和警告
3. 能让表格表格看起来很美观

让我们尝试使用我们更新的样式表重新渲染它：

HTML(string=html_out).write_pdf('beautiful_report.pdf', stylesheets=["typography.css"])

添加了一个stylesheets参数就让输出结果瞬间变得高端大气上档次。


更多

如果想更加丰富的输出pdf报告，大家回去需要查阅jinja文档，找一些css样式表。


下载

点击这里下载本文需要的实验数据及代码



广而告之