如何将DataFrame转换为纵向Markdown表格并同步至Excel？

一、自定义函数生成纵向Markdown表格 #

针对转置后使用to_markdown()出现的表头异常问题，可通过自定义函数直接生成符合要求的纵向Markdown表格（列标题位于行首，带管道符和分隔线），且适配任意大小的DataFrame：

def df_to_vertical_md(df):
    # 初始化Markdown表格基础结构
    md_table = "| 项目 | 数据 |\n"
    md_table += "|------|------|\n"
    
    # 遍历原DataFrame的每一列（列名作为纵向表格的分类标题）
    for col in df.columns:
        # 添加加粗的列名行
        md_table += f"| **{col}** | |\n"
        # 依次写入该列的所有数据
        for idx, val in enumerate(df[col], 1):
            md_table += f"| 行{idx} | {val} |\n"
    
    return md_table

函数说明 #

• 先构建纵向表格的固定表头（"项目"和"数据"）
• 自动遍历原DataFrame的所有列，将列名作为加粗的分类项
• 逐行写入对应列的数据，适配任意行数和列数的DataFrame

示例测试

import pandas as pd

# 构建你提供的示例DataFrame
data = {
    "Project 1": ["data 1", "data 4", "data 7"],
    "Project 2": ["data 2", "data 5", "data 8"],
    "Project 3": ["data 3", "data 6", "data 9"]
}
df = pd.DataFrame(data)

# 生成纵向Markdown表格
vertical_md = df_to_vertical_md(df)

输出的Markdown表格如下：

| 项目 | 数据 |
|------|------|
| **Project 1** | |
| 行1 | data 1 |
| 行2 | data 4 |
| 行3 | data 7 |
| **Project 2** | |
| 行1 | data 2 |
| 行2 | data 5 |
| 行3 | data 8 |
| **Project 3** | |
| 行1 | data 3 |
| 行2 | data 6 |
| 行3 | data 9 |

渲染后效果：

二、将Markdown表格存入Excel #

使用openpyxl库可直接把生成的Markdown表格字符串写入Excel指定单元格，方便后续更新Markdown网站。以下是翻译并优化后的代码：

from openpyxl import load_workbook

# 传入之前生成的Markdown表格字符串
vertical_md = df_to_vertical_md(df)

# Excel文件路径
file_source = 'Source Used.xlsx'

# 加载目标Excel工作簿
workbook = load_workbook(filename=file_source)

# 选择要写入的工作表（替换为你的实际工作表名称）
ws4 = workbook["Project X"]

# 将Markdown表格写入指定单元格（此处为第1行第1列）
ws4.cell(row=1, column=1).value = vertical_md

# 保存修改后的Excel文件
workbook.save(filename=file_source)

注意事项 #

1. 需提前安装openpyxl库：pip install openpyxl
2. 若目标工作表不存在，需先创建：workbook.create_sheet("Project X")
3. 写入的单元格会完整保留Markdown格式字符串，后续可直接复制到Markdown文件中使用

三、横向Markdown表格生成（补充） #

如果需要生成横向表格，可直接使用to_markdown()并移除索引：

horizontal_md = df.to_markdown(index=False)

输出：

| Project 1   | Project 2   | Project 3   |
|:------------|:-----------:|------------:|
| data 1      |   data 2    |      data 3 |
| data 4      |   data 5    |      data 6 |
| data 7      |   data 8    |      data 9 |

内容的提问来源于stack exchange，提问作者Ben Kluger