python 打开多个csv文件，并且将文件里的每一行数据对应相加得到新的列表代码

您可以使用`pandas`库来打开多个csv文件，并对每一行数据进行相加以生成新的列表。以下是一个示例代码：

import pandas as pd

# 定义要打开的csv文件列表
csv_files = ['file1.csv', 'file2.csv', 'file3.csv']

# 定义一个空列表，用于存储每行数据相加的结果
result_list = []

# 循环遍历每个csv文件
for file in csv_files:
    # 读取csv文件
    df = pd.read_csv(file)
    
    # 对每一行数据进行相加
    row_sum = df.sum(axis=1)
    
    # 将每行相加结果添加到结果列表中
    result_list.extend(row_sum.tolist())

# 打印结果列表
print("相加结果列表:")
print(result_list)

请确保将`csv_files`列表替换为您要打开的实际csv文件名称的列表。这段代码将逐个打开每个csv文件，并对每一行数据进行相加。然后，将每行相加结果添加到`result_list`中，最后打印出结果列表。

希望对您有所帮助！如果您有其他问题，请随时提问。

相关问题

python当中pandas读取csv文件，计算csv文件每行列的数据

### 使用 Pandas 读取 CSV 文件并计算每行数据

当使用 Python 的 Pandas 库来处理 CSV 文件时，可以方便地加载整个文件到内存中，并执行各种操作。对于读取 CSV 文件的任务，`pd.read_csv()` 函数提供了多种参数选项以便更灵活地控制输入过程。

要指定字符集类型，在调用 `read_csv` 方法时可以通过设置 `encoding` 参数实现[^1]：

import pandas as pd

df = pd.read_csv('stock.csv', encoding='utf-8')

为了计算每一行的数据总和或其他统计量，可以在导入数据之后应用相应的聚合函数。下面是一个简单的例子展示如何求得每一行所有数值列的合计值：

# 计算每一行的数值之和
row_sums = df.select_dtypes(include=[int, float]).sum(axis=1)

print(row_sums)

这段代码首先筛选出所有的整型或浮点类型的列（即只考虑数值），接着通过 `.sum(axis=1)` 对这些选定的列按照水平方向（即逐行）求和。最终得到的结果保存在一个新的 Series 中，其中索引对应原始 DataFrame 的各行标签，而值则代表相应行内所有数值字段相加后的结果。

如果想要获取更多关于某一行的信息，比如最大值、最小值或是平均数等，则可以根据需求调整使用的聚合函数名称即可。