如何根据列值创建csv文件[重复]

Question

我在 pandas 中有一个主数据集

usa_df

，看起来像这样

usa_df = {
    "state_name": ["Alabama", "Alabama", "Alaska", "Alaska", "Arkansas"],
    "persons": [1, 2, 1, 1, 1],
    "day_week": ["monday", "monday", "tuesday", "monday", "tuesday"]
}

数据集中大约有 20 万行，每个州名称出现数千行。每一行都是记录的犯罪，州名、人物和星期几是大约一百个数据点中的数据点）。

我有一个代码可以过滤特定州的 state_name 列，然后将其导出为 csv

state_df = usa_df[usa_df.state_name == "Alabama"]
state_df.reset_index(drop=True)
os.chdir("/path/to/file")
state_df.to_csv("./Alabama.csv", index=False)

这个方法工作得很好，但我正在尝试找到一种方法，可以自动为每个状态创建一个文件，而不必这样做五十次。

作为新人，除了将状态列表设置为

list[str]

之外，我不知道如何从这里继续，但除此之外我迷失了。是否可以为匹配特定状态的每一行自动创建所有 50 个文件？感谢您的帮助！

Answer 1

一个快速而简单的解决方案是对所有唯一的状态名称使用

for

循环。您可以从数据框本身获取它们：

import pandas as pd

usa_df = {
    "state_name": ["Alabama", "Alabama", "Alaska", "Alaska", "Arkansas"],
    "persons": [1, 2, 1, 1, 1],
    "day_week": ["monday", "monday", "tuesday", "monday", "tuesday"]
}

usa_df = pd.DataFrame(usa_df)

for current_name in sorted(set(usa_df.state_name)):
    state_df = usa_df[usa_df.state_name == current_name]
    state_df.to_csv(f"/path/to/file/{current_name}.csv", index=False)

正如 @mozway 的评论中指出的，更有效的解决方案是使用分组，以免多次过滤数据帧：

import pandas as pd

usa_df = {
    "state_name": ["Alabama", "Alabama", "Alaska", "Alaska", "Arkansas"],
    "persons": [1, 2, 1, 1, 1],
    "day_week": ["monday", "monday", "tuesday", "monday", "tuesday"]
}

usa_df = pd.DataFrame(usa_df)

for current_name, current_group in usa_df.groupby("state_name"):
    current_group.to_csv(f"/path/to/file/{current_name}.csv", index=False)

另请注意：

• 您不需要重置索引，因为无论如何您都可以使用

  index=False

  进行保存。
• 您可以提供

  to_csv()

  方法的完整路径，而不是更改当前工作目录。