a_data=pd.DataFrame()#你的数据集 

a_data.to_excel(excel_writer= r"#你想要存储的路径\\你想要存储的文件名.xlsx")

举个例子

a_data=pd.DataFrame({'标题':cc_title,'发布时间':cc_issue_time,'notice':cc_notice,'预算（元）':cc_budget,'发布地区':cc_reigon,'详细网址1': cc_web,'详细网址2': cc})

a_data.to_excel(excel_writer= r"C:\\Users\\Administrator\\Desktop\\导出结果(一个巨大的爬虫).xlsx")

注意一定要用双"\\"或者单向逆斜杠"/"

举例说明

#可以这样写
C:\\Users\\Administrator\\Desktop\\导出结果(一个巨大的爬虫).xlsx
#或者这样写
C:/Users/Administrator/Desktop/导出结果(一个巨大的爬虫).xlsx

演示结果

 其实除了pandas库可以处理excel存储的问题外

还有很多别的库

比如 xlwt 库

import xlwt
workbook=xlwt.Workbook(encoding='utf-8')

booksheet=workbook.add_sheet('Sheet 1', cell_overwrite_ok=True)

DATA=((数据标签的位置),

(第一行数据),

(第二行数据),
 
#以此类推

)

for i,row in enumerate(DATA):
    for j,col in enumerate(row):

       booksheet.write(i,j,col)

       workbook.save('你想存储的文件名.xls')

#默认存储在Desktop中

但不建议使用

理由：

pandas除了excel储存与读取

其实还有很多数据处理的函数

例如 pd.DataFrame()  pd.read_csv()等。

#举例说明
pd.DataFrame() # 自己创建数据框，用于练习

pd.read_csv() # 从CSV⽂件导⼊数据

pd.read_table() # 从限定分隔符的⽂本⽂件导⼊数据

pd.read_excel() # 从Excel⽂件导⼊数据

pd.read_sql() # 从SQL表/库导⼊数据

pd.read_json() # 从JSON格式的字符串导⼊数据

pd.read_html() # 解析URL、字符串或者HTML⽂件，抽取其中的tables表格

以上几个例子基本包含了日常进行数据导入的常用形式。

对于常用的数据分析pandas基本拟合的

真的非常适合在数据分析前做处理工作

如果不使用pandas的话经常会陷入后期东拼西凑库的窘境

数据处理的工作会变得很麻烦。

建议新手多研究一下pandas库