python - 将多个 CSV 文件导入 pandas 并连接到一个 DataFrame

Question

我想从一个目录中读取几个 CSV 文件到 pandas 中，并将它们连接到一个大 DataFrame 中。我一直无法弄清楚。这是我目前所拥有的:

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)

我想我在 for 循环中需要一些帮助？

Answer 1

见 pandas: IO tools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文件的第一行之后，就可以将其分配为列名了。

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，归因于来自 Sid 的评论.

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，这可以通过向数据框中添加新列来完成。
• pathlib本示例将使用标准库中的。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:

• 使用文件名添加一个新列

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 enumerate
添加具有通用名称的新列

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:

• 使用列表解析创建数据框，然后使用 np.repeat添加新列。
  • [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
• 此选项归属于该绘图 answer .

# 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:

• 使用 .assign 的一个类轮创建新列，归因于来自 C8H10N4O2 的评论

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

或

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