用pandas写一个csv表格文件

本文介绍如何利用Python的pandas库将数据写入CSV文件,详细阐述了创建DataFrame并将其导出为CSV格式的步骤。
import pandas as pd

df = {
   
   'matlab': ['0.012748 秒', '0.000705 秒'], 'python': ['0.002993799999998714秒', "0.0008564000000319538秒"]}
indexa=[</
### 如何使用 Pandas 合并多个 CSV 文件处理多个 CSV 文件时,`pandas` 提供了强大的工具来简化这一过程。通过 `glob` 库获取指定路径下的所有 CSV 文件名列表,并逐一读取这些文件至 DataFrame 列表中。之后,利用 `pd.concat()` 函数沿垂直方向连接所有的 DataFrames 成一个新的 DataFrame。 以下是具体操作方法: #### 导入库 首先导入必要的 Python 库: ```python import pandas as pd import glob ``` #### 获取文件路径 定义目标目录路径,并使用 `glob.glob()` 方法匹配该目录下所有 `.csv` 结尾的文件路径字符串列表: ```python path = 'E:/FAERS/demo_csv' file_paths = glob.glob(path + r'\*.csv') ``` #### 创建空列表存储各文件内容 初始化一个空列表用于保存每次循环迭代过程中读取到的数据框对象: ```python dfs_list = [] ``` #### 循环遍历文件路径列表 对于每一个文件路径执行如下动作:打印当前正在处理文件名称;按照给定编码方式加载对应 CSV 数据集为临时数据框;最后把此临时变量追加进之前准备好的容器里: ```python for file_path in file_paths: print(file_path) temp_df = pd.read_csv(file_path, encoding='gbk') dfs_list.append(temp_df) ``` #### 使用 concat 进行纵向堆叠 调用 `pd.concat()` 将上述收集起来的所有单个表格按照行的方向拼接在一起形成最终的大宽表。设置参数 `ignore_index=True` 来重新索引新生成的结果集,而 `join='inner'` 表示仅保留交集中共有的列。 ```python merged_df = pd.concat(dfs_list, axis=0, ignore_index=True, join='inner') ``` #### 输出合并后的结果 将得到的新大宽表导出成新的 CSV 文件以便后续析或其他用途: ```python output_file = 'merge.csv' merged_df.to_csv(output_file, index=None, encoding='gbk') ``` 以上就是完整的流程说明以及相应的代码片段[^3]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

十子木

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值