Python pandas groupby实战：十行代码将Excel大表按部门/城市快速拆分为独立文件

脚本专家

在日常办公中，我们经常需要将一个包含数千行数据的大Excel表按照特定列（如部门、城市）拆分成多个独立的文件，分发给不同负责人。手动筛选、复制、粘贴不仅耗时且易错。本文介绍如何利用Python的pandas库，通过groupby分组功能，用短短十行代码实现一键拆分，整个过程仅需数秒。

技术原理
核心流程：使用pandas读取总表，通过groupby函数按指定列分组，遍历每个分组并将该分组的数据导出为独立的Excel文件。关键技术点包括：
- pandas的groupby()：用于按列的值将数据分组；
- to_excel()：将DataFrame写入Excel文件；
- os.makedirs：创建输出目录；
- 文件名安全处理：过滤Windows不允许的字符。

环境准备
需要安装pandas和openpyxl（用于读写.xlsx文件）：

2. pip install pandas openpyxl

复制代码

完整代码及注释
以下函数split_excel_by_column接收输入文件路径、拆分列名和输出目录，实现一键拆分：

2. import os
3. import pandas as pd
5. def split_excel_by_column(input_file, split_column, output_dir="拆分结果"):
6.     """按指定列拆分Excel总表"""
7.     # 1. 检查文件是否存在
8.     if not os.path.exists(input_file):
9.         print(f"错误：文件 {input_file} 不存在！")
10.         return
11.     # 2. 读取总表
12.     df = pd.read_excel(input_file, engine='openpyxl')
13.     print(f"总表数据：{len(df)} 行，{len(df.columns)} 列")
14.     # 3. 验证拆分列是否存在
15.     if split_column not in df.columns:
16.         print(f"错误：列名 '{split_column}' 不存在！可用列：{list(df.columns)}")
17.         return
18.     # 4. 创建输出目录
19.     os.makedirs(output_dir, exist_ok=True)
20.     # 5. 分组并导出
21.     grouped = df.groupby(split_column)
22.     group_count = 0
23.     for group_name, group_df in grouped:
24.         # 清理文件名中的非法字符
25.         safe_name = str(group_name).replace('/', '_').replace('\\', '_')
26.         safe_name = safe_name.replace('*', '').replace('?', '').replace(':', '')
27.         output_file = os.path.join(output_dir, f"{safe_name}.xlsx")
28.         group_df.to_excel(output_file, index=False, engine='openpyxl')
29.         group_count += 1
30.         print(f"[{group_count}] 已拆分: {safe_name} ({len(group_df)} 行)")
31.     print(f"\n拆分完成！共生成 {group_count} 个文件，保存在: {output_dir}/")
33. if __name__ == "__main__":
34.     # 示例：按部门拆分
35.     split_excel_by_column(
36.         input_file="员工花名册总表.xlsx",
37.         split_column="部门",
38.         output_dir="按部门拆分"
39.     )

复制代码

关键步骤解析
1. 读取Excel：pd.read_excel通过openpyxl引擎将Excel加载为DataFrame。
2. 列名验证：检查拆分列是否在df.columns中，避免误输入。
3. groupby分组：df.groupby(split_column)返回一个GroupBy对象，该对象按列值分组。例如，按“部门”分组后，每个部门成为一个组，组名为部门名称，组内为该部门所有行。
4. 遍历导出：for group_name, group_df in grouped: 每个分组的group_name是唯一值，group_df是DataFrame子集。通过to_excel将其写入独立文件，同时使用index=False避免保存行索引。
5. 文件名安全处理：Windows文件名不允许\ / : * ? " < > |等字符，此处做了基本替换，可根据实际需要扩展过滤。

进阶技巧
技巧1：按多列组合拆分
如果需要按“部门+城市”两个维度拆分，可以先组合一列：

2. df['拆分键'] = df['部门'] + '_' + df['城市']
3. grouped = df.groupby('拆分键')

复制代码

这样生成的文件名如“技术部_北京.xlsx”。

技巧2：拆分时只保留特定列
有时仅需部分字段，可在导出前筛选列：

2. keep_columns = ['姓名', '工号', '邮箱', '电话']
3. existing_columns = [col for col in keep_columns if col in group_df.columns]
4. group_df[existing_columns].to_excel(output_file, index=False, engine='openpyxl')

复制代码

技巧3：拆分后自动压缩打包
使用shutil将结果目录打包为ZIP方便分发：

2. import shutil
3. shutil.make_archive("拆分结果", 'zip', output_dir)
4. print("已打包为 拆分结果.zip")

复制代码

技巧4：按数值区间拆分
例如按工资区间分组，需要先创建区间标签，再groupby：

2. df['工资等级'] = pd.cut(df['工资'], bins=[0, 8000, 15000, float('inf')], labels=['初级', '中级', '高级'])
3. grouped = df.groupby('工资等级')

复制代码

常见问题排查
Q1：拆分后的文件数量比预期的少？
原因：分类值存在全角/半角空格差异，或前后空格未被去除。建议检查唯一值：

2. print(df['部门'].unique())
3. print(df['部门'].value_counts())

复制代码

可在分组前对列做strip()处理：df['部门'] = df['部门'].str.strip()。

Q2：拆分出来的文件无法打开？
检查文件名是否含有Windows非法字符（/ \ : * ? " < > |）。代码已做基础过滤，若仍有问题，可增加替换字符种类。

Q3：如何保留源Excel的格式（列宽、字体等）？
pandas导出不保留格式。若需要格式，可先用openpyxl复制模板再逐行写入数据：

2. from openpyxl import load_workbook
3. import shutil
4. shutil.copy("模板.xlsx", output_file)
5. wb = load_workbook(output_file)
6. ws = wb.active
7. for row_idx, row in enumerate(group_df.values, start=2):
8.     for col_idx, value in enumerate(row, start=1):
9.         ws.cell(row=row_idx, column=col_idx, value=value)
10. wb.save(output_file)

复制代码

总结
通过groupby分组拆分Excel是办公自动化的高频场景。结合to_excel导出，只需几行代码即可实现高效拆表。本文涵盖基础用法、多列组合、数值区间、格式保留等扩展，可与之前介绍的Excel合并功能形成前后端互补，覆盖80%的批量Excel处理需求。

热心网友3

很有用的实战分享！之前手动拆分大表确实痛苦，十来行代码就搞定了，收藏了。想请教一下：如果总表里某些列有合并单元格或者公式，用 pandas 读取会不会出问题？另外，对于超大的 Excel（比如几十万行），直接 groupby 再一个一个写文件会不会太慢，有没有办法批量写入或者用多进程加速？

热心网友3

这个帖子太实用了！我之前一直用VBA加手动拆分，遇到几千行的表格经常卡死，用groupby加to_excel确实清爽。试了下你提供的代码，把“部门”换成“城市”直接跑通了，生成的文件名里含斜杠的问题也完美避开。 另外补充一个小经验：如果拆分的列是数值型（比如ID），groupby默认会按大小排序，生成的文件名可能不是原始顺序。可以在groupby前加个sort=False，保持原顺序，更符合业务习惯。 还有，技巧2里筛选列的那个列表推导写法很巧妙，避免了列名不存在时报错，学到了。

热心网友3

这个分享非常实用！工作中经常要按部门拆分报表，以前用VBA写宏，现在看pandas的代码简洁多了。尤其喜欢文件名安全处理和输出目录自动创建这两个细节，考虑得很周到。另外技巧4的数值区间分组也很有启发性，配合pd.cut可以灵活处理很多场景。一个小建议：如果要拆分的列包含中文或特殊符号，导出时可能会遇到编码问题，可以考虑在to_excel里加上encoding参数（不过通常openpyxl会自动处理）。总之收藏了，明天就试试！