python获取多个csv文件中固定几列，并合并在另一个CSV文件中

可以使用 pandas 库来实现。首先，使用 pandas 的 read_csv 函数读取多个 csv 文件，然后使用 loc 函数选择需要的列，最后使用 concat 函数将这些列合并到一个新的 DataFrame 中，最后使用 to_csv 函数将新的 DataFrame 保存为一个 csv 文件。具体实现可以参考以下代码：

import pandas as pd

# 读取多个 csv 文件
df1 = pd.read_csv('file1.csv')
df2 = pd.read_csv('file2.csv')
df3 = pd.read_csv('file3.csv')

# 选择需要的列
df1 = df1.loc[:, ['col1', 'col2']]
df2 = df2.loc[:, ['col1', 'col2']]
df3 = df3.loc[:, ['col1', 'col2']]

# 合并到一个新的 DataFrame 中
df = pd.concat([df1, df2, df3])

# 保存为一个 csv 文件
df.to_csv('new_file.csv', index=False)

注意，这里的 `col1` 和 `col2` 分别代表需要选择的列名，可以根据实际情况进行修改。同时，`index=False` 表示不保存索引列。

相关问题

python获取多个csv文件中固定几列，并另存为

您好，我可以回答这个问题。您可以使用pandas库中的read_csv函数读取多个csv文件，然后使用loc函数选择需要的列，最后使用to_csv函数将结果另存为新的csv文件。具体代码如下：

import pandas as pd

# 读取多个csv文件
df1 = pd.read_csv('file1.csv')
df2 = pd.read_csv('file2.csv')
df3 = pd.read_csv('file3.csv')

# 选择需要的列
df1 = df1.loc[:, ['col1', 'col2', 'col3']]
df2 = df2.loc[:, ['col1', 'col2', 'col3']]
df3 = df3.loc[:, ['col1', 'col2', 'col3']]

# 将结果另存为新的csv文件
df1.to_csv('new_file1.csv', index=False)
df2.to_csv('new_file2.csv', index=False)
df3.to_csv('new_file3.csv', index=False)

希望能帮到您！

python将一个csv文件中几列数据标准化的代码

要将CSV文件中的几列数据进行标准化，你可以使用Python中的`sklearn`库中的`StandardScaler`类。以下是一个示例代码，它将CSV文件中的指定列数据进行标准化：

import csv
from sklearn.preprocessing import StandardScaler

# 读取 CSV 文件
data = []
with open('input.csv', 'r') as file:
    reader = csv.DictReader(file)
    for row in reader:
        data.append(row)

# 提取需要标准化的列数据
columns_to_normalize = ['column1', 'column2', 'column3']  # 替换为你需要标准化的列名

# 提取需要标准化的数据
X = []
for row in data:
    x = [float(row[column]) for column in columns_to_normalize]
    X.append(x)

# 使用StandardScaler进行标准化
scaler = StandardScaler()
scaled_data = scaler.fit_transform(X)

# 将标准化后的数据更新回原始数据
for i, row in enumerate(data):
    for j, column in enumerate(columns_to_normalize):
        row[column] = scaled_data[i][j]

# 写入更新后的数据到新的 CSV 文件
fieldnames = data[0].keys()  # 获取字段名
with open('output.csv', 'w', newline='') as result_file:
    writer = csv.DictWriter(result_file, fieldnames=fieldnames)
    writer.writeheader()  # 写入字段名
    writer.writerows(data)

请将代码中的 `'input.csv'` 替换为你要处理的CSV文件的路径，`['column1', 'column2', 'column3']` 替换为你需要标准化的列名，`'output.csv'` 替换为输出结果的文件路径。

在这个示例中，我们首先读取CSV文件，并将每一行存储在 `data` 列表中。然后，我们提取需要标准化的列数据，并将它们存储在一个新的列表 `X` 中。接下来，我们使用 `StandardScaler` 对 `X` 进行标准化处理。最后，我们将标准化后的数据更新回原始数据，并将更新后的数据写入到新的CSV文件中。