此系列文章收錄在公眾號中：數據大宇宙 > 數據處理 >E-pd轉發本文並私信我"python"，即可
經常聽別人說 Python 在數據領域有多厲害，結果學了很長時間，連數據處理都麻煩得要死。後來才發現，原來不是 Python 數據處理厲害，而是他有數據分析神器—— pandas
前言
這是本系列第16篇的文章，之前有小夥伴私信我說，這系列例子太簡單了，能給點實際點的例子嗎。好吧，這篇來看看如何用 pandas 拆分數據到各個 Excel 文件。
這是入門系列，並且是按 Excel 功能來開展，複雜一點的需求，Excel 自帶功能做不到呀
案例1
你的上級一言不合向你扔了一個業績表：
要求每個部門一個 Excel 文件，發送給各自部門這樣子的需求，就別想啥 Excel 自帶功能了，用個 Vba 實現還差不多，只不過你要學習啥數組、字典，這些高大上概念。
看看你怎麼用pandas漂亮回應你的上級：
df.groupby('部門') ，"每個部門 幹啥事情"，不就是"按部門分組"嘛，沒錯，就是這麼簡單的表示.apply ，每個部門幹事情，裡面的參數就是做的事情x.to_excel(f'res-部門/{x.name}.xlsx',index=False) ，要做啥呢，輸出到 Excel 文件啊，就是 to_excel 方法不會 groupby ？看專欄第9節內容
案例2
當你以為完成工作的時候，這時候上級又找到你，他希望每個部門的 Excel 文件，可以把男女數據分開2個工作表。
你：what the ………………，so easy
代碼如下：
比之前複雜多了，其實多了2個部分不能直接使用 to_excel 方法，因為這方法每次都會生成一個新的文件，由此要先定義 pd.ExcelWriter當按性別分組時，調用 to_excel 要傳入 pd.ExcelWriterexl.save()， 記得最後要保存文件結果如下：
案例3
當你以為可以下班的時候，麻煩又一次找上你，現在各部門負責人不想按性別分開看，而是想看高於部門平均水平和低於平均水平的人。
有了上次經驗，簡單添加判斷銷售額的語句就可以了：
is_over = x_df['銷售額'] >= x_df['銷售額'].mean() ，得到是否高於平均的值列，當然也是用這列值進行分組總結
DataFrame.to_excel ，一次輸出 Excel 文件pd.ExcelWriter + DataFrame.to_excel ，一個文件輸出多個工作表
如果希望從零開始學習 pandas ，那麼可以看看我的 pandas 專欄。