python读取多个csv文件

### 使用 Python 和 Pandas 读取多个 CSV 文件

为了处理多个 CSV 文件并将其加载到数据框中，可以利用 `pandas` 库的强大功能。下面展示了一种方法来批量读取这些文件。

#### 导入必要的库
首先导入所需的库，并准备一个函数用于遍历指定目录下的所有 CSV 文件：

import os
import pandas as pd

def load_multiple_csv_files(directory_path):
    # 创建一个空列表存储所有的DataFrame对象
    dfs = []

    # 遍历给定路径中的每一个文件名
    for filename in os.listdir(directory_path):
        if filename.endswith(".csv"):
            full_file_path = os.path.join(directory_path, filename)

            # 将每个CSV文件转换成Pandas DataFrame并追加至列表dfs中
            df_temp = pd.read_csv(full_file_path, index_col=0)  # 如果第一个列为索引列则设置index_col参数[^1]
            dfs.append(df_temp)
    
    return dfs

此代码片段展示了如何通过循环访问特定文件夹内的所有 `.csv` 文件，并依次调用 `pd.read_csv()` 方法将它们转化为独立的数据帧实例。最终返回的是包含所有已加载数据集的一个列表。

如果希望进一步操作比如合并这些单独的数据帧成为一个整体，则可以在上述基础上增加如下逻辑:

# 合并所有DataFrames为单个DataFrame
combined_df = pd.concat(dfs, ignore_index=True)

这里使用了 `ignore_index=True` 参数使得新生成的大规模数据集中不会保留原始各子集各自的行标签而是重新编号。

对于那些可能含有重复标题或特殊结构的 CSV 文件，在读取过程中也可以灵活调整参数配置以适应需求。例如当遇到有相同头部信息的情况时可以通过设定 `skiprows` 或者自定义列名称的方式来解决这个问题[^2][^3]。