pandas读取一个文件夹下所有csv文件某一行

可以使用`pandas`库中的`concat()`和`read_csv()`函数来读取文件夹下所有csv文件，并获取指定行的数据。

以下是示例代码：

import os
import pandas as pd

# 定义文件夹路径
folder_path = '/path/to/folder'

# 获取文件夹下所有csv文件路径
file_paths = [os.path.join(folder_path, file_name) for file_name in os.listdir(folder_path) if file_name.endswith('.csv')]

# 读取所有csv文件，并获取指定行的数据
row_num = 10 # 指定行号（从0开始）
all_data = pd.concat([pd.read_csv(file_path, usecols=[row_num], header=None) for file_path in file_paths], axis=1)

# 输出结果
print(all_data)

在上面的示例代码中，我们首先定义了文件夹路径`folder_path`，然后使用`os.listdir()`函数获取该文件夹下所有csv文件的文件名，并使用`os.path.join()`函数将文件路径与文件夹路径拼接起来，得到文件的完整路径。

接着，我们使用`pd.read_csv()`函数读取每个csv文件中的指定行数据，使用`usecols=[row_num]`参数指定只读取该行数据，使用`header=None`参数表示该csv文件没有列名。

最后，我们使用`pd.concat()`函数将所有csv文件中的指定行数据合并成一个`DataFrame`，并将`axis=1`参数设置为按列合并。

注意，如果每个csv文件中的指定行数据的数据类型不同，合并后的`DataFrame`中该列数据的数据类型也会不同。如果需要将合并后的`DataFrame`中所有列的数据类型都转换为同一类型，可以使用`astype()`函数进行转换。例如，以下代码将合并后的`DataFrame`中所有列的数据类型转换为`float`类型：

all_data = all_data.astype(float)