文件的读取与写入2_2>写入文件-优快云博客

本文介绍如何使用Python的pandas库批量读取和合并CSV文件，并提供了两种实现方法：一是通过pd.concat合并DataFrame；二是使用内容追加的方式进行合并。同时提及Excel文件处理与CSV文件类似。

csv文件和Excel文件的读取与合并

对于这两种文件可以直接使用pandas包读取

（1）、csv文件的读取

import pandas as pd
path = "数据集文件/data.csv" # 定义路径
data = pd.read_csv(path)
data.head() # 显示数据的前5行

（2）、csv文件的批量读取并合并

直接上代码

"""
同一个文件夹中相同文件类型的批量文件的读取
"""
import pandas as pd
import os
dir_file_path = "数据集文件/批量文件"  # 该文件下有多个csv文件
dir_file_name = os.listdir(dir_file_path) # 获取文件夹内所有csv文件的文件名称，存放在列表中
dir_file_path_name = [os.path.join(dir_file_path, x) for x in dir_file_name]
# 使用os.path.join()函数实现路径的合并
file_con = pd.DataFrame()
for i in dir_file_path_name:
    file = pd.read_csv(i)
    file_con = pd.concat((file, file_con), axis=0)
file_con.to_csv("数据集文件/批量文件/合成文件.csv", index=None)
# 以上就完成了把多个文件合并的任务！

还可以使用内容追加的方法实现合并

"""
同一个文件夹中相同文件类型的批量文件的读取
"""
import pandas as pd
import os
dir_file_path = "数据集文件/批量文件"
dir_file_name = os.listdir(dir_file_path)
dir_file_path_name = [os.path.join(dir_file_path, x) for x in dir_file_name]
file_con = pd.DataFrame()
for i in dir_file_path_name:
    file = pd.read_csv(i)
    file.to_csv("数据集文件/批量文件/合成文件.csv", index=None, header=False, mode='a')
# 文件的追加方式mode='a'，在文件的末尾添加新内容，其中参数header表示是否保留添加文件的属性名称

以上两种方法都可以实现csv文件的合并！

Excel文件的处理与csv文件类似，这里就不列举了！

博客写的简单，少了很多的文字叙述，直接看代码理解吧！