python批量读取100个txt文件，将文件中的数据按列方向合并，都放入一个新的CSV文件中，并保存

好的，我来给你讲解一下Python如何实现批量读取txt文件，并将它们按列方向合并成一个新的CSV文件。

首先，我们需要使用Python中的os模块来批量读取100个txt文件。可以使用os.listdir()函数获取指定目录下的所有文件名，然后使用for循环对每个文件进行读取和处理。

接下来，我们需要使用Python中的pandas模块来进行数据处理和合并。可以使用pandas.read_csv()函数读取每个txt文件，并将它们转换为DataFrame格式。然后，使用pandas.concat()函数将这些DataFrame按列方向合并成一个新的DataFrame。最后，使用pandas.to_csv()函数将这个新的DataFrame保存为CSV文件。

下面是Python代码示例：

import os
import pandas as pd

# 设置要读取的100个txt文件所在的目录
txt_dir = 'path/to/txt/files'

# 获取目录下所有txt文件名
txt_files = [f for f in os.listdir(txt_dir) if f.endswith('.txt')]

# 读取每个txt文件，并将它们转换为DataFrame格式
dfs = []
for txt_file in txt_files:
    df = pd.read_csv(os.path.join(txt_dir, txt_file), sep='\t', header=None)
    dfs.append(df)

# 将所有DataFrame按列方向合并成一个新的DataFrame
merged_df = pd.concat(dfs, axis=1)

# 将合并后的DataFrame保存为CSV文件
merged_df.to_csv('path/to/output.csv', index=False)

上述代码中，我们假设所有的txt文件都以制表符分隔，没有列名。如果txt文件的分隔符或者列名不同，需要根据实际情况进行修改。

另外，需要注意的是，如果每个txt文件的行数不同，合并后的DataFrame中可能会出现缺失值。这时候可以使用pandas中的fillna()函数对缺失值进行处理。