python 如何批量处理csv文件

要批量处理 CSV 文件，您可以使用 Python 的 pandas 库。下面是一个示例代码，它可以在指定目录下批量读取所有 CSV 文件，并将它们合并为一个数据框：

import os
import pandas as pd

# 设置文件夹路径
folder_path = 'C:/csv_files/'

# 获取所有 CSV 文件路径
file_paths = [os.path.join(folder_path, f) for f in os.listdir(folder_path) if f.endswith('.csv')]

# 创建一个空的数据框
df = pd.DataFrame()

# 逐个读取 CSV 文件并合并到数据框中
for file_path in file_paths:
    temp_df = pd.read_csv(file_path)
    df = pd.concat([df, temp_df], ignore_index=True)

# 输出合并后的数据框
print(df.head())

在上面的代码中，我们首先指定了 CSV 文件所在的文件夹路径 `folder_path`。然后，我们使用 `os.listdir()` 函数获取文件夹中所有以 `.csv` 结尾的文件，并使用列表推导式将它们的完整路径存储在 `file_paths` 列表中。

接下来，我们创建一个空的数据框 `df`，然后使用 `pd.read_csv()` 函数逐个读取每个 CSV 文件，并使用 `pd.concat()` 函数将它们合并到数据框中。注意，在合并数据框时，我们使用了 `ignore_index=True` 参数，以确保所有行都具有唯一的索引。

最后，我们输出合并后的数据框 `df`。您可以根据需要修改代码，以满足您的特定需求。