Question

我有一个文件夹，其中包含多个csv文件和gz格式类型的压缩文件。这些未压缩的gz文件中的每个文件也包含一个csv文件。我想提取所有这些文件，并为每个文件创建一个与csv文件名相同的数据框（不带扩展名）。

例如，如果具有以下文件：

train.csv
test.csv
validation.csv.gz

我想拥有3个数据框对象，它们的名称恰好是：训练，测试和验证。

我已经尝试过此代码：

import pandas as pd
import gzip

extension = ".gz"

for item in os.listdir():
    if item.endswith(extension):
        with gzip.open(item) as f:
            item.split('.', 1)[0] = pd.read_csv(f) #Split on the first occurence of '.' and give this name to my dataframe
    else:
        item.split('.', 1)[0] = pd.read_csv(item)

此代码不起作用，因为当我尝试访问环境变量时，python找不到它们。

任何帮助，请!!

Answer 1

使用字典存储可变数量的变量。

尽管可以通过字符串命名变量，但强烈建议不要这样做。字典是高性能的，可让您以结构化的方式维护对象的集合。

d = {}

for item in os.listdir():
    fn, ext = item.split('.')
    if ext == 'gz':
        with gzip.open(item) as f:
            d[fn] = pd.read_csv(f)
    else:
        d[fn] = pd.read_csv(item)

然后通过d['train']，d['test']等访问。

您的代码不起作用，因为item.split('.', 1)[0]是标量，而不是可以分配对象的变量名。

Answer 2

字符串是不可变的。如果要将动态对象分配给给定的字符串，只需使用exec。

此语句支持动态执行Python代码。首先表达式的计算结果应为字符串，打开的文件对象或一个代码对象。

import pandas as pd
import gzip

extension = ".gz"

for item in os.listdir():
    if item.endswith(extension):
        with gzip.open(item) as f:
            exec(item.split('.', 1)[0] + "=" + "pd.read_csv(f)" ) #Split on the first occurence of '.' and give this name to my dataframe
    else:
        exec(item.split('.', 1)[0] + "=" + "pd.read_csv('" + item + "')")

获取与我的pandas dataframe对象名称相同的csv文件名称

2 个答案: