python - 如何从路径字符串中获取文件夹名称并将其添加到 pandas 数据框中的新列？

Question

我想从 tar.gz 文件中读取文件夹的名称，并创建包含这些名称的列。

我正在使用此代码:

file_path = r"C:\Users\filename.tar.gz"
start_with = './mainfolder/'

import tarfile
import re
with tarfile.open(file_path, "r:*") as tar:
    csv_path = tar.getnames()
    csv_path = list(n for n in tar.getnames() if (n.endswith('.csv')) & (n.startswith(start_with)))
    df = pd.DataFrame()

    csv_list = []

    for file in csv_path:
        df_temp = pd.read_csv(tar.extractfile(file))
        csv_list.append(df_temp)

    df = pd.concat(csv_list)

在主文件夹中，有几个具有名称的文件夹。从文件夹“X”(例如)读取 csv 文件后，应在此 csv 文件中创建“FolderName”列，并且必须包含所有行的文件夹名称(“X”)。对于每个 csv 文件也是如此。

路径字符串的示例:./mainfolder/1001_name 或 ./mainfolder/1002_some_name

Answer 1

在以下行之后:

df_temp = pd.read_csv(tar.extractfile(file))

您可以使用os.path.dirname()方法从file路径字符串中获取文件夹名称。更多信息here .

您需要导入 os 模块。

示例:

#returns ./mainfolder/1001_name
full_folder_path = os.path.dirname(file)

#returns 1001_name
folder = os.path.basename(full_folder_path)

#returns name bit
result = folder[folder.index('_')+1:]

df_temp['FolderName'] = result

这将创建一个名为 FolderName 的新列，并为所有行设置值。更多信息here .