如何在 pandas 中合并多个 csv 文件（示例）

您可以使用以下基本语法将位于同一文件夹中的多个 CSV 文件合并到 pandas DataFrame 中：

 import pandas as pd
import glob
import bone

#define path to CSV files
path = r' C:\Users\bob\Documents\my_data_files '

#identify all CSV files
all_files = glob. glob ( os.path.join (" *.csv " ))

#merge all CSV files into one DataFrame
df = pd. concat ((pd. read_csv (f) for f in all_files), ignore_index= True )

此特定示例会将位于名为my_data_files的文件夹中的所有 CSV 文件合并到单个 Pandas DataFrame 中。

以下示例展示了如何在实践中使用此语法。

示例：在 Pandas 中合并多个 CSV 文件

假设我的计算机上有一个名为my_data_files的文件夹，其中包含三个 CSV 文件：

每个 CSV 文件包含两列，称为得分和助攻，分别代表不同篮球运动员的得分和助攻。

第一个名为df1的 CSV 如下所示：

我们可以使用以下语法将文件夹中的三个 CSV 文件合并到单个 pandas DataFrame 中：

 import pandas as pd
import glob
import bone

#define path to CSV files
path = r' C:\Users\bob\Documents\my_data_files '

#identify all CSV files
all_files = glob. glob ( os.path.join (" *.csv " ))

#merge all CSV files into one DataFrame
df = pd. concat ((pd. read_csv (f) for f in all_files), ignore_index= True )

#view resulting DataFrame
print (df)

    assist points
0 4 3
1 5 2
2 5 4
3 6 4
4 8 6
5 9 3
6 2 3
7 10 2
8 14 9
9 15 3
10 6 10
11 8 6
12 9 4

请注意，所有三个 CSV 文件均已成功导入并合并到单个 DataFrame 中。

最终的 DataFrame 包含 13 行和 2 列。

注意：您可以在此处找到 pandas read_csv()函数的完整文档。

其他资源

以下教程解释了如何在 Python 中执行其他常见任务：

Pandas：如何在读取 CSV 文件时跳行
Pandas：如何将数据添加到现有 CSV 文件
Pandas：导入 CSV 文件时如何指定类型
Pandas：导入 CSV 文件时如何设置列名称