将拆分后的DataFrame分组导出为CSV文件的实现方法

np.array_split拆分Pandas DataFrame得到的split_df列表中，每个元素本身就是DataFrame类型，无需额外转换，直接遍历导出即可。

基础导出方案 #

遍历拆分后的列表，按序号命名CSV文件即可：

import pandas as pd
import numpy as np

# 你的原有拆分逻辑
split_df = np.array_split(data, np.arange(0, len(data), 300))

# 遍历导出CSV
for idx, df_part in enumerate(split_df, start=1):
    # 文件名按序号递增，比如part_1.csv、part_2.csv
    df_part.to_csv(f"part_{idx}.csv", index=False, encoding="utf-8-sig")

参数说明：

• index=False：导出时不保留Pandas的行索引，按需可删除该参数保留索引
• encoding="utf-8-sig"：兼容Windows系统下Excel打开CSV不会出现中文乱码，纯英文场景可替换为utf-8

自定义文件名导出方案 #

如果需要标识文件总数、源数据名称等信息，可调整文件名生成逻辑：

source_name = "sales_data" # 替换为你的源数据标识
total_parts = len(split_df)

for idx, df_part in enumerate(split_df, start=1):
    file_name = f"{source_name}_part_{idx}_total_{total_parts}.csv"
    df_part.to_csv(file_name, index=False)

注意事项 #

• np.array_split会自动适配行数不能被300整除的场景，最后一个分组会自动存储剩余行数，无需额外做边界判断
• 如果需要自定义CSV分隔符，可在to_csv方法中添加sep="\t"参数指定分隔符（示例为制表符分隔）
• 大文件导出时可添加chunksize参数优化写入性能，普通300行小文件无需额外配置

内容的提问来源于stack exchange，提问作者babu62