Python-目录下相同格式的csv文件合并成一个

在Python中，你可以使用pandas库来合并同目录下的CSV文件，因为pandas提供了便捷的数据处理功能。以下是一个简单的步骤：

import pandas as pd

# 定义目录路径和文件名模式（例如所有以"data_"开头的csv文件）
dir_path = 'your_directory_path'
file_pattern = 'data_*.csv'

# 使用glob模块找到目录下符合条件的所有文件
files = glob.glob(dir_path + '/' + file_pattern)

# 创建一个空列表来存储所有的DataFrame
all_data = []

# 循环遍历每个文件，并将它们读入DataFrame
for file in files:
    data = pd.read_csv(file)
    all_data.append(data)

# 合并所有数据到一个大的DataFrame
merged_df = pd.concat(all_data, ignore_index=True)  # ignore_index用于保留原始索引

# 将合并后的数据保存到新的CSV文件
merged_df.to_csv('merged_file.csv', index=False)

在这个例子中，`ignore_index=True`会创建一个新的索引，避免了重复的列索引。

相关问题

python将n个csv文件合并成一个文件

A：

可以使用 pandas 库来合并多个 CSV 文件，步骤如下：

1. 首先，导入 pandas 库

import pandas as pd

2. 定义文件的文件名和路径，使用 pd.read_csv 向 DataFrame 中读取 CSV 文件

dataframe_list = [pd.read_csv('file1.csv'), pd.read_csv('file2.csv'), ..., pd.read_csv('fileN.csv')]

3. 使用 pd.concat 将多个 DataFrame 对象合并成一个对象，并将其保存为一个新的 CSV 文件

merged_dataframe = pd.concat(dataframe_list)
merged_dataframe.to_csv('merged_file.csv', index=False)  # index=False 表示不保存行索引

完整代码如下：

import pandas as pd

# 文件名和路径
file1 = 'file1.csv'
file2 = 'file2.csv'
# ... 多个文件
fileN = 'fileN.csv'

# 读取 CSV 文件并保存为 DataFrame 对象
dataframe_list = [pd.read_csv(file1), pd.read_csv(file2), ..., pd.read_csv(fileN)]

# 合并多个 DataFrame 对象
merged_dataframe = pd.concat(dataframe_list)

# 将合并后的 DataFrame 对象保存为新的 CSV 文件
merged_dataframe.to_csv('merged_file.csv', index=False)  # index=False 表示不保存行索引

在代码中，需要将 file1、file2、...、fileN 替换为实际文件的文件名和路径。

用python写一个多个csv文件合并成一个csv的代码

好的，我可以回答这个问题。以下是一个使用Python将多个CSV文件合并成一个CSV文件的代码：

import glob
import pandas as pd

# 找到所有的csv文件
path = r'文件路径' # 将文件路径替换为实际文件路径
all_files = glob.glob(path + "/*.csv")

# 将所有csv文件合并为一个DataFrame
li = []
for filename in all_files:
    df = pd.read_csv(filename, index_col=None, header=0)
    li.append(df)
merged_df = pd.concat(li, axis=0, ignore_index=True)

# 将合并后的DataFrame保存为一个csv文件
merged_df.to_csv("merged.csv", index=False)

这个代码会找到指定路径下的所有CSV文件，并将它们合并成一个DataFrame。最后，它会将合并后的DataFrame保存为一个新的CSV文件，名为"merged.csv"。