Python中CSV多工作表存储的替代方案（多分类数据场景）

因为CSV是纯文本格式，确实不支持多工作表结构，这里有几个符合你需求的实用方案：

1. 按分类生成独立CSV文件 #

这是最直观的方案，每个分类对应单独的CSV文件，文件名包含分类标识，方便后续识别和读取。

示例代码：

import pandas as pd

# 假设你的DataFrame为df，分类列名为'category'
grouped = df.groupby('category')

# 循环遍历每个分类，保存为独立CSV
for category_name, group_data in grouped:
    group_data.to_csv(f'{category_name}.csv', index=False)

执行后会生成如电子产品.csv、家居用品.csv这类文件，每个文件仅存储对应分类的数据。

2. 在单个CSV中用分隔标记区分分类 #

如果必须用单个文件存储，可以在不同分类的数据之间插入特定格式的分隔行，后续读取时通过识别分隔行拆分数据。

示例代码：

import pandas as pd

# 创建并写入目标CSV文件
with open('all_categories.csv', 'w', newline='', encoding='utf-8') as f:
    # 遍历每个分类
    for idx, (category_name, group_data) in enumerate(df.groupby('category')):
        # 写入分类标记行
        f.write(f'--- {category_name} ---\n')
        # 写入数据：仅第一次写入表头，后续跳过
        group_data.to_csv(f, index=False, header=idx == 0)

读取时可以通过识别以--- 开头的行，拆分出不同分类的数据块。

3. 添加分类列后合并保存所有数据 #

在原DataFrame中新增一列（比如category_tag）标记每条数据的分类归属，然后将所有数据保存到同一个CSV文件。后续需要某类数据时，读取后筛选该列即可。

示例代码：

import pandas as pd

# 假设DataFrame已有分类列'category'，直接保存；若无则先添加分类标识列
# df['category_tag'] = 你的分类标记值

df.to_csv('all_data_with_category.csv', index=False)

# 读取时筛选指定分类的示例
# loaded_df = pd.read_csv('all_data_with_category.csv')
# target_category_data = loaded_df[loaded_df['category_tag'] == '目标分类']

这个方案适合需要整体存储，同时能快速筛选出目标分类数据的场景。

内容的提问来源于stack exchange，提问作者Adam