创建一个空的 DataFrame，遍历文件列表并获取修改时间并将修改时间添加到 DataFrame 中

可以使用 Pandas 库来创建一个空的 DataFrame，使用 os 模块来遍历文件列表并获取修改时间，然后将其添加到 DataFrame 中。下面是一个示例代码：

import os
import pandas as pd

# 创建空的 DataFrame
df = pd.DataFrame(columns=['file', 'modified_time'])

# 遍历文件列表并获取修改时间
path = '/path/to/files'
for file in os.listdir(path):
    if os.path.isfile(os.path.join(path, file)):
        modified_time = os.path.getmtime(os.path.join(path, file))
        df = df.append({'file': file, 'modified_time': modified_time}, ignore_index=True)

# 输出 DataFrame
print(df)

在上面的代码中，`path` 是要遍历的文件夹路径。`os.listdir()` 函数用于获取文件列表，然后使用 `os.path.isfile()` 函数判断是否为文件。如果是文件，就使用 `os.path.getmtime()` 函数获取修改时间，然后将其添加到 DataFrame 中。最后，使用 `print()` 函数输出 DataFrame。

相关问题

获取list中对应路径文件的修改时间并加入到dataframe中

假设你的文件路径存储在一个名为 `file_list` 的列表中，你可以使用 `os.path.getmtime()` 函数获取文件的修改时间，然后将其添加到一个名为 `df` 的 Pandas DataFrame 中。

以下是一个示例代码：

import os
import pandas as pd

# 创建一个空的 DataFrame
df = pd.DataFrame(columns=['file_path', 'modified_time'])

# 遍历文件列表并获取修改时间
for file_path in file_list:
    modified_time = os.path.getmtime(file_path)
    # 将文件路径和修改时间添加到 DataFrame 中
    df = df.append({'file_path': file_path, 'modified_time': modified_time}, ignore_index=True)

在这个示例中，我们首先创建了一个空的 DataFrame，并指定了两个列：`file_path` 和 `modified_time`。然后，我们遍历了文件列表中的每个文件路径，使用 `os.path.getmtime()` 函数获取其修改时间，并将其添加到 DataFrame 中。最后，我们使用 `df.append()` 函数将每个文件的路径和修改时间添加到 DataFrame 中。如果 DataFrame 中不存在这个文件路径，我们使用 `ignore_index=True` 参数来确保新行被添加到 DataFrame 的末尾。

注意，`os.path.getmtime()` 函数返回一个 POSIX 时间戳，表示文件的修改时间。如果需要将其转换为日期时间格式，可以使用 `datetime.datetime.fromtimestamp()` 函数。例如，如果你想将修改时间转换为 ISO 格式的日期时间字符串，可以使用以下代码：

from datetime import datetime

# 将 POSIX 时间戳转换为 datetime 对象
modified_datetime = datetime.fromtimestamp(modified_time)

# 将 datetime 对象转换为字符串
modified_str = modified_datetime.isoformat()

你可以将这个代码添加到遍历循环中，以将日期时间字符串添加到 DataFrame 中。

python遍历读取dataframe数据并添加到一个csv文件

可以使用Pandas库的`read_csv()`和`to_csv()`方法来实现。首先读取数据到一个DataFrame中，然后遍历每一行，将其写入一个CSV文件中。以下是示例代码：

import pandas as pd

# 读取数据到DataFrame中
df = pd.read_csv('data.csv')

# 遍历每一行并写入CSV文件
with open('output.csv', 'w') as f:
    for index, row in df.iterrows():
        # 读取每一行的数据
        data = [row['column1'], row['column2'], row['column3']]
        # 将数据写入CSV文件
        f.write(','.join(map(str, data)) + '\n')

注：`column1`、`column2`、`column3`是数据中的列名，根据实际情况进行修改。