Python中如何在FOR循环内用IF判断SQL行条件并导出指定列到CSV

原代码存在的问题 #

1. 每次循环都执行全表查询，数据库访问次数过多，效率极低
2. 遍历QUERY的方式错误：for row in QUERY实际是遍历列名，而非数据行
3. 品牌匹配逻辑错误：str(QUERY["BRAND"])==str(i)是将整个BRAND列转为字符串与当前品牌比较，而非逐行判断
4. 行数据取值错误：row[A,B]的写法不符合Python语法，无法正确获取A、B列的值

推荐解决方案（高效简洁版） #

利用Pandas的分组功能和内置CSV写入方法，一次性查询数据后按品牌拆分保存，大幅提升效率：

import pyodbc
import pandas as pd

# 数据库连接（需提前定义server/database/username/password变量）
cnxn = pyodbc.connect(f'DRIVER={{SQL Server}};SERVER={server};DATABASE={database};UID={username};PWD={password}')

# 一次性查询所有需要的数据
all_data = pd.read_sql_query("""
SELECT A, B, BRAND
FROM DATABASE 
""", cnxn)

# 定义文件保存路径（末尾加斜杠避免路径拼接错误）
ROUT = "my rout/"

# 按品牌分组并保存CSV
for brand, group in all_data.groupby('BRAND'):
    # 构造目标文件名
    file_name = f"{ROUT}NAME{brand}.csv"
    # 仅保留A、B列，保存为CSV（分隔符为;，不保存索引）
    group[['A', 'B']].to_csv(file_name, sep=';', index=False)

关键改进点 #

• 减少数据库交互：仅执行1次全量查询，避免循环内重复访问数据库
• 自动分组筛选：通过groupby('BRAND')直接按品牌拆分数据，无需手动判断
• 简化写入逻辑：用Pandas的to_csv方法直接处理列选择、分隔符、索引等需求，代码更简洁易维护
• 路径优化：用f-string拼接路径，且路径末尾加斜杠，避免出现folderNAME品牌.csv这类错误路径

手动遍历写入的修正版（兼容原代码思路） #

如果坚持用手动遍历的方式写入，可参考以下修正后的代码：

import pyodbc
import csv
import pandas as pd

cnxn = pyodbc.connect(f'DRIVER={{SQL Server}};SERVER={server};DATABASE={database};UID={username};PWD={password}')

# 获取所有不重复的品牌（比GROUP BY更高效）
brands = pd.read_sql_query("""
SELECT DISTINCT BRAND
FROM DATABASE
""", cnxn)['BRAND'].tolist()

# 一次性查询全量数据
all_data = pd.read_sql_query("""
SELECT A, B, BRAND
FROM DATABASE 
""", cnxn)

ROUT = "my rout/"

for brand in brands:
    file_name = f"{ROUT}NAME{brand}.csv"
    # 筛选当前品牌的数据
    filtered_rows = all_data[all_data['BRAND'] == brand]
    
    with open(file_name, "w", newline='', encoding='utf-8') as f:
        wrtr = csv.writer(f, delimiter=';')
        # 写入表头（按需选择）
        wrtr.writerow(['A', 'B'])
        # 遍历筛选后的每行数据
        for _, row in filtered_rows.iterrows():
            wrtr.writerow([row['A'], row['B']])

内容的提问来源于stack exchange，提问作者user22226238