如何将纯文本与DataFrame写入含多表头行的CSV文件？

你的思路是可行的，但频繁读写临时文件会带来不必要的磁盘IO开销，尤其当数据量较大时影响效率。推荐直接在内存中完成所有内容的拼接，无需生成临时文件，具体方案如下：

核心思路 #

利用Python的StringIO（内存字符串流）模拟文件操作，把表头/指示行、两个DataFrame的表格数据全部在内存中拼接完成后，一次性写入最终文件。这样既省去了临时文件的创建、读取和清理步骤，又能大幅提升处理速度。

具体代码示例 #

import pandas as pd
from io import StringIO

# 假设你的两个DataFrame已经定义好：sceTmp、sevTmp
# 1. 自定义表头/指示行（根据需求调整内容和格式）
header_content = [
    "*Report Generated: 2024-05-20*",
    "System: Production Performance",
    "",  # 空行分隔
    "--- Scenario Data ---",
    ""
]

# 2. 将DataFrame转为制表符分隔的字符串（仅在内存中生成，不写入磁盘）
# 可根据需求设置index=False（隐藏行索引）、header=True（保留DataFrame自带表头）
sce_table = sceTmp.to_csv(sep='\t', index=False, header=True)

# 3. 定义两个表格之间的分隔指示行
separator_content = [
    "",
    "--- Severity Data ---",
    ""
]

sev_table = sevTmp.to_csv(sep='\t', index=False, header=True)

# 4. 拼接所有内容为完整的文本
final_output = '\n'.join(header_content) + '\n' + sce_table + '\n'.join(separator_content) + '\n' + sev_table

# 5. 一次性写入最终文件
with open('final_report.txt', 'w', encoding='utf-8') as f:
    f.write(final_output)

方案优势 #

• 效率更高：完全规避磁盘读写操作，内存操作的速度远快于磁盘IO，数据量越大优势越明显。
• 代码更简洁：无需处理临时文件的路径管理、删除等额外逻辑，减少出错概率。
• 灵活性强：可以自由调整表头/指示行的格式（比如加粗、添加注释），甚至插入自定义空行或分隔符，完全按需定制。

额外提示 #

如果你的表头行需要和表格数据有更紧密的格式关联（比如对齐），可以把表头行转为类似DataFrame的结构后再拼接，但通常StringIO的方式已经足够灵活，能覆盖绝大多数场景。

内容的提问来源于stack exchange，提问作者ccdrm