用 groupby 拆分数据最可靠，需检查分组列类型与空值，多列组合用列表，文件名须清洗非法字符，大文件应流式写入。
用 pandas.DataFrame.groupby 拆分数据比循环更可靠
直接遍历 df.iterrows() 再按条件写文件，容易漏行、重复或索引错乱。用 groupby 是最稳的路径——它天然按分组键对齐数据，且保留原始列结构。
常见错误是把字符串列当数值用：df.groupby('category') 如果 category 列含空值或混合类型（如 'A' 和 1），会报 TypeError: unhashable type: 'list' 或静默丢弃部分组。
- 拆分前先检查：用
df['column'].dtype确认类型，用df['column'].isna().sum()查空值 - 空值默认被归入单独一组，若不想保存该组，加
dropna=True参数：df.groupby('col', dropna=True) - 多列组合拆分写成元组：
df.groupby(['region', 'year'])，注意括号和逗号位置
保存时文件名必须转义非法字符
Windows 对 / : * ? " | 敏感，Linux 对 / 敏感。如果分组字段含斜杠或中文括号，to_csv('{}.csv'.format(group_name)) 会直接抛 OSError: Invalid argument。
别手写正则替换——太容易漏边缘 case。用 re.sub 清洗，但更推荐 pathlib.Path 的 safe_name 思路：
立即学习“Python免费学习笔记（深入）”；
python-script-generator
下载
快速生成专业的 Python 脚本和应用代码。一键创建完整项目结构，支持CLI、API、爬虫、Bot、Django等多种项目类型，包含完整的项目结构、配置文件、依赖管理、测试、README和文档。
import re
def sanitize_filename(name):
return re.sub(r'[\/*?:"<>|]', '_', str(name))-
str(name)防止None或数字类型报错 - 用下划线
_替代非法字符，比删掉更利于追溯原始分组值 - 文件扩展名统一放在最后：
f"{sanitize_filename(key)}.csv"，不要拼在key里
大文件慎用 to_csv 全量写入
单个分组数据超 50 万行时，group.to_csv(...) 可能触发内存峰值翻倍——因为 pandas 会临时复制索引和 dtype 信息。
真正要导出大表，优先走流式写入：
- 用
chunksize分块读源文件，再按条件路由到不同csv.writer对象 - 小文件（groupby + to_csv，简单不易错
- 如果目标格式是 Excel，
openpyxl不支持并发写同一文件，必须每个分组单独Workbook()
拆分后校验行数总和是否等于原表
这是最容易被跳过的动作。看似拆完就完事，但 groupby 默认忽略 NaN 分组、dropna=False 又可能把脏数据塞进文件，最终总行数对不上。
执行完所有保存后，立刻验证：
original_rows = len(df)
split_rows = sum(len(pd.read_csv(f)) for f in Path('.').glob('*.csv'))
assert original_rows == split_rows, f"行数不匹配：原表{original_rows}，拆分后{split_rows}"如果断言失败，优先查 groupby 是否用了 dropna、文件名是否因重名被覆盖、或某分组为空导致未生成文件。
