python中大批量数据读取pd.read_csv函数忽略空白csv文件,继续读取有内容的csv文件
时间: 2023-11-29 20:44:25 浏览: 41
Python中,使用pandas库中的read_csv函数可以读取csv文件。如果要忽略空白的csv文件,可以使用try-except语句来捕获异常并跳过空白文件。具体实现方法如下:
import os
import pandas as pd
# 获取当前目录下所有csv文件
csv_files = [f for f in os.listdir('.') if f.endswith('.csv')]
# 读取所有非空白csv文件
for file in csv_files:
try:
data = pd.read_csv(file)
if not data.empty:
# 处理非空白csv文件的代码
pass
except pd.errors.EmptyDataError:
# 跳过空白csv文件
pass
相关问题
在HTML中使用pd.read_csv函数分别读取数据
在HTML中使用pd.read_csv函数读取数据是不可能的,因为pd.read_csv是Pandas库中的函数,而HTML是一种标记语言,用于创建网页。pd.read_csv函数是用于在Python中读取CSV文件的函数,它返回一个包含数据的DataFrame对象。
如果你想在HTML中展示CSV数据,你可以使用JavaScript或其他前端技术来读取CSV文件并将其展示在网页上。以下是一个使用JavaScript读取CSV文件的示例:
```html
<!DOCTYPE html>
<html>
<head>
<title>CSV数据展示</title>
<script src="https://code.jquery.com/jquery-3.6.0.min.js"></script>
<script>
$(document).ready(function() {
$.ajax({
type: "GET",
url: "data.csv", // CSV文件的路径
dataType: "text",
success: function(data) {
var lines = data.split("\n");
var table = "<table>";
for (var i = 0; i < lines.length; i++) {
var cells = lines[i].split(",");
table += "<tr>";
for (var j = 0; j < cells.length; j++) {
table += "<td>" + cells[j] + "</td>";
}
table += "</tr>";
}
table += "</table>";
$("#csvData").html(table);
}
});
});
</script>
</head>
<body>
<div id="csvData"></div>
</body>
</html>
```
上述代码通过使用jQuery库中的ajax函数来异步加载CSV文件,并将其解析为HTML表格。你只需要将CSV文件的路径替换为你实际的文件路径,然后将上述代码保存为一个HTML文件,就可以在浏览器中打开并展示CSV数据了。
python用pd.read_csv读取某个文件夹中的csv文件
可以使用Python中的pandas库中的`read_csv`函数来读取某个文件夹中的CSV文件。以下是一个示例代码:
```python
import pandas as pd
import glob
# 获取文件夹中所有csv文件的路径
path = r'path/to/folder/*.csv'
all_files = glob.glob(path)
# 创建一个空的DataFrame对象来存储所有csv数据
df = pd.DataFrame()
# 循环读取所有csv文件并将数据合并到df中
for file in all_files:
temp_df = pd.read_csv(file)
df = pd.concat([df, temp_df], ignore_index=True)
# 输出所有数据
print(df)
```
以上代码中,`glob.glob`函数用于获取文件夹中所有CSV文件的路径,`pd.DataFrame()`用于创建一个空的DataFrame对象,`pd.read_csv`用于读取CSV文件并将数据存储到DataFrame对象中,`pd.concat`用于将多个DataFrame对象合并到一起。最后,我们打印出所有数据。