按email_id拆分DataFrame并按多列唯一值命名Excel文件

现有如下示例DataFrame：

import pandas as pd

data = pd.DataFrame({'email_id': ['abc@gmail.com;test1@gmail.com','abc@gmail.com;def@yahoo.com','abdc@gmail.com','ache@gmail.com','aqce@gmail.com','pqr@gmail.com','pqr@gmail.com'],
             'Dept_id': [21,23,25,26,28,29,31],
             'dept_name':['Science','Chemistry','Maths','Social','Physics','Botany','Zoology'],
             'location':['KOR','ASN','ANZ','IND','AUS','NZ','NZ']})

需求 #

• 按email_id列的唯一值拆分DataFrame
• 拆分后的数据分别保存为Excel文件，每个唯一email_id对应一个文件
• Excel文件名由对应分组的Dept_id、dept_name、location列的唯一值组成（例如pqr@gmail.com分组的文件名应为29_31_Botany_Zoology_NZ.xlsx）

原代码问题 #

原代码能实现拆分，但文件名不符合要求，还存在两处报错点：

• col_list未定义，调用to_excel时会触发NameError
• 未调用writer.save()，导致Excel文件无法正常保存或损坏

import pandas as pd

data = pd.DataFrame({'email_id': ['abc@gmail.com;test1@gmail.com','abc@gmail.com;def@yahoo.com','abdc@gmail.com','ache@gmail.com','aqce@gmail.com','pqr@gmail.com','pqr@gmail.com'],
             'Dept_id': [21,23,25,26,28,29,31],
             'dept_name':['Science','Chemistry','Maths','Social','Physics','Botany','Zoology'],
             'location':['KOR','ASN','ANZ','IND','AUS','NZ','NZ']})

# 定义需要保存的列（不需要指定列可直接删除columns参数）
col_list = ['email_id', 'Dept_id', 'dept_name', 'location']

for email, group in data.groupby('email_id'):
    # 提取各列唯一值并转为字符串，用下划线拼接
    dept_ids = '_'.join(map(str, group['Dept_id'].unique()))
    dept_names = '_'.join(group['dept_name'].unique())
    locations = '_'.join(group['location'].unique())
    
    # 拼接符合要求的文件名
    filename = f"{dept_ids}_{dept_names}_{locations}.xlsx"
    
    # 用with语句自动管理文件流，无需手动保存关闭
    with pd.ExcelWriter(filename, engine='xlsxwriter') as writer:
        # 处理带分号的邮箱，取第一部分作为工作表名避免非法字符
        sheet_name = email.split(';')[0]
        group.to_excel(writer, columns=col_list, sheet_name=sheet_name, index=False, startrow=1)

关键说明 #

• 用map(str, ...)将数字类型的Dept_id转为字符串，避免拼接时出现类型错误
• 使用with语句管理ExcelWriter，自动完成文件保存与关闭，避免资源泄漏
• 对包含分号的邮箱做拆分处理，避免工作表名出现Excel不支持的非法字符

内容的提问来源于stack exchange，提问作者The Great