> 经常听别人说 Python 在数据领域有多厉害，结果学了很长时间，连数据处理都麻烦得要死。后来才发现，原来不是 Python 数据处理厉害，而是他有数据分析神器—— pandas
前言
这是本系列第16篇的文章，之前有小伙伴私信我说，这系列例子太简单了，能给点实际点的例子吗。好吧，这篇来看看如何用 pandas 拆分数据到各个 Excel 文件。
> 这是入门系列，并且是按 Excel 功能来开展，复杂一点的需求，Excel 自带功能做不到呀
案例1
你的上级一言不合向你扔了一个业绩表：
- - 要求每个部门一个 Excel 文件，发送给各自部门
这样子的需求，就别想啥 Excel 自带功能了，用个 Vba 实现还差不多，只不过你要学习啥数组、字典，这些高大上概念。
看看你怎么用 pandas 漂亮回应你的上级：
- - df.groupby('部门') ，"每个部门 干啥事情"，不就是"按部门分组"嘛，没错，就是这么简单的表示
- - .apply ，每个部门干事情，里面的参数就是做的事情
- - x.to_excel(f'res-部门/{x.name}.xlsx',index=False) ，要做啥呢，输出到 Excel 文件啊，就是 to_excel 方法
> 不会 groupby ？看专栏第9节内容
案例2
当你以为完成工作的时候，这时候上级又找到你，他希望每个部门的 Excel 文件，可以把男女数据分开2个工作表。
你：what the ………………，so easy
代码如下：
- - 比之前复杂多了，其实多了2个部分
- - 不能直接使用 to_excel 方法，因为这方法每次都会生成一个新的文件，由此要先定义 pd.ExcelWriter
- - 当按性别分组时，调用 to_excel 要传入 pd.ExcelWriter
- - exl.save()， 记得最后要保存文件
结果如下：
案例3
当你以为可以下班的时候，麻烦又一次找上你，现在各部门负责人不想按性别分开看，而是想看高于部门平均水平和低于平均水平的人。
有了上次经验，简单添加判断 销售额 的语句就可以了：
- - is_over = x_df['销售额'] >= x_df['销售额'].mean() ，得到是否高于平均的值列，当然也是用这列值进行分组
总结
- DataFrame.to_excel ，一次输出 Excel 文件
- pd.ExcelWriter DataFrame.to_excel ，一个文件输出多个工作表
