如何用Pandas按Name筛选CSV数据并避免输出覆盖？

为啥你的代码会覆盖数据？ #

咱们先拆解下你原来的代码逻辑：每次循环都重新读取整个some.xlsx文件，筛选单个Name的数据，然后直接调用to_csv写入文件——默认情况下to_csv会覆盖目标文件，所以循环跑完后，只有最后一次循环的结果（也就是Name为B的数据）被保留了。而且每次重复读文件，在Name列表很大的时候会超级低效，完全没必要。

修复+优化后的完整代码 #

针对你的需求，我整理了更高效的写法，同时解决覆盖问题和索引列问题：

import pandas as pd

# 1. 只读取一次源文件，避免重复IO操作（重点！）
df = pd.read_excel('some.xlsx', index_col=False)

# 2. 定义需要筛选的Name列表（哪怕列表很大也没问题）
target_names = ['A', 'B']

# 3. 一次性筛选所有符合条件的行，指定要保留的列
filtered_df = df.loc[df['Name'].isin(target_names), ['Name', 'address', 'post', 'city']]

# 4. 写入CSV，index=False去除索引列，不会覆盖之前的正确结果
filtered_df.to_csv('ABC.csv', index=False)

关键优化点解释（给Pandas新手的小科普） #

• 只读一次文件：原来的循环每次都读整个Excel，IO操作是很耗时的，尤其文件大的时候，读一次就够啦。
• 用isin()替代循环筛选：isin()是Pandas专门用来匹配列表/数组值的方法，比循环逐个判断高效N倍，代码也更简洁，适合处理大列表的场景。
• index=False参数：这个参数告诉Pandas不要把默认的索引列写入CSV，正好满足你去除输出索引列的需求。

额外的新手小提示 #

• 如果你的源文件是CSV而不是Excel，把pd.read_excel改成pd.read_csv就行，参数用法基本一致。
• 可以加一行print(filtered_df)来确认筛选结果是否正确，方便调试。
• 如果后续需要追加数据到同一个CSV（比如分批筛选），可以用to_csv(..., mode='a')，但记得第一次写入时加header=True，后续追加时加header=False避免重复写表头，不过你的场景里一次性筛选就不需要这个啦。

内容的提问来源于stack exchange，提问作者steveJ