pandas读取一个文件夹下的CSV文件

可以使用 `pandas` 库中的 `concat` 函数和 `glob` 模块来实现。具体步骤如下：

1. 导入 `pandas` 和 `glob` 模块：

import pandas as pd
import glob

2. 使用 `glob` 模块匹配所有的 CSV 文件路径，并将它们存储在一个列表中：

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

3. 使用 `pandas` 的 `concat` 函数将所有 CSV 文件合并成一个数据框：

df = pd.concat([pd.read_csv(f) for f in all_files])

其中，`pd.read_csv(f)` 读取单个 CSV 文件并返回一个数据框，`[pd.read_csv(f) for f in all_files]` 使用列表推导式将所有的数据框组合成一个列表，最后 `pd.concat()` 函数将列表中的所有数据框合并成一个数据框。

完整代码示例：

import pandas as pd
import glob

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

df = pd.concat([pd.read_csv(f) for f in all_files])

相关问题

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)

pandas读取一个文件夹下所有csv文件的3-6行所有数据并导出成excel

可以使用Python中的pandas和os库来实现这个需求。具体的实现步骤如下：

1. 导入pandas和os库：

import pandas as pd
import os

2. 设置要读取的文件夹路径和要导出的Excel文件名：

folder_path = 'path/to/folder'
output_file = 'output.xlsx'

3. 遍历文件夹下所有的csv文件，并将它们的3-6行读取到一个列表中：

data = []
for filename in os.listdir(folder_path):
    if filename.endswith('.csv'):
        file_path = os.path.join(folder_path, filename)
        df = pd.read_csv(file_path, skiprows=2, nrows=4)
        data.append(df)

4. 将列表中的数据合并成一个DataFrame，并将它导出到Excel文件中：

result = pd.concat(data)
result.to_excel(output_file, index=False)

完整代码如下：

import pandas as pd
import os

folder_path = 'path/to/folder'
output_file = 'output.xlsx'

data = []
for filename in os.listdir(folder_path):
    if filename.endswith('.csv'):
        file_path = os.path.join(folder_path, filename)
        df = pd.read_csv(file_path, skiprows=2, nrows=4)
        data.append(df)

result = pd.concat(data)
result.to_excel(output_file, index=False)