将多个 CSV 文件导入 pandas 并连接成一个 DataFrame

我想将目录中的多个 CSV 文件读取到 pandas 中，并将它们连接到一个大的 DataFrame 中。但我还是没能弄清楚。这是我到目前为止所拥有的：

import glob
import pandas as pd

# Get data file names
path = r'C:\DRO\DCL_rawdata_files'
filenames = glob.glob(path + "/*.csv")

dfs = []
for filename in filenames:
    dfs.append(pd.read_csv(filename))

# Concatenate all data into one DataFrame
big_frame = pd.concat(dfs, ignore_index=True)

我想我需要一些帮助for loop?

See pandas：IO 工具 https://pandas.pydata.org/docs/user_guide/io.html对于所有可用的.read_方法。

如果所有 CSV 文件都具有相同的列，请尝试以下代码。

我已经添加了header=0，这样在读取 CSV 文件的第一行后，就可以将其指定为列名称。

import pandas as pd
import glob
import os

path = r'C:\DRO\DCL_rawdata_files' # use your path
all_files = glob.glob(os.path.join(path , "/*.csv"))

li = []

for filename in all_files:
    df = pd.read_csv(filename, index_col=None, header=0)
    li.append(df)

frame = pd.concat(li, axis=0, ignore_index=True)

或者，归因于评论Sid https://stackoverflow.com/users/3888455/sid.

all_files = glob.glob(os.path.join(path, "*.csv"))

df = pd.concat((pd.read_csv(f) for f in all_files), ignore_index=True)

• 通常需要识别每个数据样本，这可以通过向数据帧添加新列来完成。
• pathlib https://docs.python.org/3/library/pathlib.html本示例将使用标准库中的内容。它将路径视为具有方法的对象，而不是要切片的字符串。

导入和设置

from pathlib import Path
import pandas as pd
import numpy as np

path = r'C:\DRO\DCL_rawdata_files'  # or unix / linux / mac path

# Get the files from the path provided in the OP
files = Path(path).glob('*.csv')  # .rglob to get subdirectories

选项1：

• 添加带有文件名的新列

dfs = list()
for f in files:
    data = pd.read_csv(f)
    # .stem is method for pathlib objects to get the filename w/o the extension
    data['file'] = f.stem
    dfs.append(data)

df = pd.concat(dfs, ignore_index=True)

选项2：

• 使用以下命令添加具有通用名称的新列enumerate

dfs = list()
for i, f in enumerate(files):
    data = pd.read_csv(f)
    data['file'] = f'File {i}'
    dfs.append(data)

df = pd.concat(dfs, ignore_index=True)

选项 3：

• Create the dataframes with a list comprehension, and then use np.repeat https://numpy.org/doc/stable/reference/generated/numpy.repeat.html to add a new column.
  • [f'S{i}' for i in range(len(dfs))]创建一个字符串列表来命名每个数据帧。
  • [len(df) for df in dfs]创建一个长度列表
• 此选项的归属归因于此绘图answer https://stackoverflow.com/a/65951915/7758804.

# Read the files into dataframes
dfs = [pd.read_csv(f) for f in files]

# Combine the list of dataframes
df = pd.concat(dfs, ignore_index=True)

# Add a new column
df['Source'] = np.repeat([f'S{i}' for i in range(len(dfs))], [len(df) for df in dfs])

选项 4：

• 1 内衬使用.assign https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.assign.html创建新专栏，归因于评论C8H10N4O2 https://stackoverflow.com/users/2573061/c8h10n4o2

df = pd.concat((pd.read_csv(f).assign(filename=f.stem) for f in files), ignore_index=True)

or

df = pd.concat((pd.read_csv(f).assign(Source=f'S{i}') for i, f in enumerate(files)), ignore_index=True)