Question

我在一个文件夹中有几个csv文件，我想在一个数据框中打开它们并插入一个带有相关文件名的新列。到目前为止，我已编写以下代码：

import pandas as pd
import glob, os
df = pd.concat(map(pd.read_csv, glob.glob(os.path.join('path/*.csv'))))
df['filename']= os.path.basename(csv)
df

这为我提供了我想要的数据框，但在新列＆＃39;文件名＆＃39;它只列出文件夹中每行的最后一个文件名。我正在寻找要用它关联的csv文件填充的每一行。不只是文件夹中的最后一个文件。

非常感谢对这位新手的任何帮助。

Answer 1

我认为您需要assign在loop中添加新列，同时参数ignore_index=True已添加到concat以删除index中的重复项：

要测试的文件是a.csv，b.csv，c.csv。

import pandas as pd
import glob, os

files = glob.glob('files/*.csv')
print (files)
['files\\a.csv', 'files\\b.csv', 'files\\c.csv']

files = glob.glob('files/*.csv')
print (files)
['files\\a.csv', 'files\\b.csv', 'files\\c.csv']

df = pd.concat([pd.read_csv(fp).assign(New=os.path.basename(fp)) for fp in files])
print (df)
   a  b  c  d    New
0  0  1  2  5  a.csv
1  1  5  8  3  a.csv
2  0  9  6  5  b.csv
3  1  6  4  2  b.csv
4  0  7  1  7  c.csv
5  1  3  2  6  c.csv

files = glob.glob('files/*.csv')
df = pd.concat([pd.read_csv(fp).assign(New=os.path.basename(fp).split('.')[0]) for fp in files])
print (df)
   a  b  c  d New
0  0  1  2  5   a
1  1  5  8  3   a
2  0  9  6  5   b
3  1  6  4  2   b
4  0  7  1  7   c
5  1  3  2  6   c

Answer 2

首先，您没有定义csv变量。

但无论如何，这种行为是有道理的，因为你在最后使用csv所以它将被设置为最后一个文件。理想情况下，您可以再次使用glob来获取所有文件名，然后将其设置为新列。

#this is a Python list containing filenames
csvs = glob.glob(os.path.join('path/*.csv'))

#now set the csv into a pd series
csv_paths = pd.Series(csvs)

df['file_name'] = csv_paths.values

读取多个csv文件并在pandas中添加文件名作为新列

2 个答案: