用pandas写多个csv

可以使用 pandas 库中的 `to_csv()` 方法，将数据保存到多个 csv 文件中。

以下是一个示例代码，它将数据按照年份保存到不同的 csv 文件中：

import pandas as pd

data = pd.read_csv('data.csv')

# 将年份列转换为字符串类型，并去除空格
data['year'] = data['year'].astype(str).str.strip()

# 按照年份分组，保存到不同的 csv 文件中
for year, group in data.groupby('year'):
    filename = f'{year}.csv'
    group.to_csv(filename, index=False)

这个示例代码将会读取名为 `data.csv` 的数据文件，并将其按照年份分组，保存到不同的 csv 文件中。如果数据中有一个名为 `year` 的列，那么该列的值将被用作文件名的一部分。如果你想按照不同的列进行分组，只需要修改 `groupby()` 方法中的参数即可。

相关问题

如何用pandas读取多个csv文件

您可以使用pandas的concat函数来将多个csv文件合并成一个数据框。具体步骤如下：
1. 使用pandas的read_csv函数读取第一个csv文件，并保存为一个数据框df。例如：df=pd.read_csv('file1.csv')
2. 使用pandas的read_csv函数读取第二个csv文件，并保存为一个数据框df_new。例如：df_new=pd.read_csv('file2.csv')
3. 使用concat函数将df_new合并到df中。例如：df=pd.concat([df,df_new],axis=0)
4. 重复步骤2和步骤3，将所有csv文件都合并到df中。
最后，可以使用to_csv函数将合并后的数据框保存为一个csv文件。例如：df.to_csv('merged.csv',index=False)

用pandas 合并多个csv文件

要合并多个 csv 文件，可以使用 pandas 库中的 concat() 函数。下面是一个示例代码：

import pandas as pd
import glob

# 获取所有 csv 文件的文件名
file_names = glob.glob("path/to/files/*.csv")

# 创建一个空的 DataFrame 对象
combined_data = pd.DataFrame()

# 遍历所有文件并合并数据
for file in file_names:
    data = pd.read_csv(file)
    combined_data = pd.concat([combined_data, data])

# 可选：重置索引
combined_data = combined_data.reset_index(drop=True)

# 将合并后的数据保存为新的 csv 文件
combined_data.to_csv("path/to/combined_file.csv", index=False)

请将 "path/to/files/" 替换为包含你的 csv 文件的目录路径。这段代码将读取该目录下的所有 csv 文件，并将它们合并为一个 DataFrame 对象。最后，将合并后的数据保存为一个新的 csv 文件。