如何按指定列值拆分Excel文件并以列值命名输出文件？

原代码存在的问题 #

• 语法错误：for循环内部代码未缩进，不符合Python语法规范
• 匹配逻辑错误：使用str.contains()会进行模糊匹配，比如员工ID"1001"会误匹配包含"1001"的其他ID（如"10012"），应该用精确相等判断
• 目录缺失问题：未提前创建输出目录'Lists'，直接保存文件会触发IO异常
• 空值未处理：若分组列存在NaN值，会生成无效文件名

修正后的代码 #

import pandas as pd
import os

# 读取目标Excel文件
df = pd.read_excel('filename.xlsx')
# 指定用于分组的列名
column_name = 'EMPLOYEE'

# 提前创建输出目录，不存在则自动生成
output_dir = 'Lists'
if not os.path.exists(output_dir):
    os.makedirs(output_dir)

# 按指定列分组处理，比循环唯一值再筛选的效率更高
for group_value, group_df in df.groupby(column_name):
    # 处理分组值为空的情况，替换为合法文件名
    if pd.isna(group_value):
        group_value = "未知"
    # 拼接输出文件路径
    output_path = os.path.join(output_dir, f"{group_value}.xlsx")
    # 保存分组数据到Excel，不保留索引列
    group_df.to_excel(output_path, sheet_name=str(group_value), index=False)

额外说明 #

• 执行前确保安装依赖：pip install pandas openpyxl（openpyxl是pandas保存xlsx格式的必需依赖）
• 大文件场景下，groupby的处理效率远高于循环唯一值再筛选的方式
• 如果分组值包含/、\、:等文件名非法字符，需要额外添加字符替换逻辑

内容的提问来源于stack exchange，提问作者techbump01