python，dataframe批量读取某一文件夹下的所有csv文件

可以使用 pandas 库中的 glob 函数来实现批量读取某一文件夹下的所有 csv 文件。具体代码如下：

import pandas as pd
import glob

path = r'path/to/folder'  # 文件夹路径
all_files = glob.glob(path + "/*.csv")  # 获取文件夹下所有 csv 文件的路径

dfs = []  # 存储所有读取的 csv 文件的 DataFrame

for filename in all_files:
    df = pd.read_csv(filename, index_col=None, header=0)
    dfs.append(df)

# 将所有 DataFrame 合并为一个大的 DataFrame
df = pd.concat(dfs, axis=0, ignore_index=True)

其中，`path` 变量需要替换为实际的文件夹路径。`glob.glob` 函数会返回一个列表，其中包含了所有符合指定模式的文件路径。在上面的代码中，我们使用了 `pd.read_csv` 函数来读取每个 csv 文件，并将它们存储在一个列表中。最后，我们使用 `pd.concat` 函数将所有 DataFrame 合并为一个大的 DataFrame。

相关问题

python以dataframe格式读取文件夹内所有CSV文件，并将所有dataframe合并，同时只保留相同列名的数据

你好！对于你的问题，可以使用 pandas 库来读取所有 CSV 文件并合并为一个 dataframe，代码如下：

import pandas as pd
import glob

path = 'path/to/folder/*.csv'
all_files = glob.glob(path)

# 读取所有CSV文件并合并
df = pd.concat((pd.read_csv(f) for f in all_files))

# 只保留相同列名的数据
df = df.reindex(columns=df.columns.intersection(df.iloc[:,0].dropna().unique()))

print(df)

这段代码首先使用 glob 库获取文件夹中所有的 CSV 文件路径，然后使用 pandas 库中的 concat 函数将所有 CSV 文件的数据合并。最后使用 reindex 函数只保留相同列名的数据。

希望对你有帮助！

批量读取一个文件夹下的csv文件提取列合成一个新的数据结构

好的，可以使用Python的pandas库来实现。具体步骤如下：

1. 导入pandas库

import pandas as pd

2. 定义一个空的DataFrame

df = pd.DataFrame()

3. 使用os库来遍历文件夹中的文件，将每个文件的内容读入DataFrame中

import os

folder_path = 'your_folder_path'  # 文件夹路径
for filename in os.listdir(folder_path):
    if filename.endswith('.csv'):  # 只读取csv文件
        file_path = os.path.join(folder_path, filename)
        temp_df = pd.read_csv(file_path, usecols=['col_name'])  # 读取指定列
        df = pd.concat([df, temp_df], axis=1)  # 将每个文件的列合并到df中

其中，usecols参数可以指定要读取的列名或列序号，可以根据实际情况进行修改。

4. 查看合并后的DataFrame

print(df.head())

这样就可以将一个文件夹下的csv文件中指定列合并成一个新的DataFrame了。