如何使用Python Pandas将所有CSV文件合并为单个数据框？

随着数据量的不断增大，往往会有多个CSV文件需要合并为一个数据框进行分析处理。使用Python Pandas库可以快捷地实现这一操作。

更多Pandas相关文章，请阅读：Pandas 教程

准备工作

在开始代码实现之前，我们需要准备以下材料：

Python 3.x 环境
Pandas库安装（可以使用pip install pandas命令进行安装）

实现步骤

根据CSV文件的存储位置和文件名确定CSV文件列表，将CSV文件逐一读入Pandas data frame，并将不同文件的data frame合并为单一的data frame。

导入所需库

import os
import pandas as pd

设定CSV文件路径，并获取所有CSV文件的文件名

csv_folder_path = "./data_folder"
csv_file_list = os.listdir(csv_folder_path)

循环读入CSV文件，并将不同文件的data frame合并为单一的data frame

csv_data = pd.DataFrame()
for csv_file_name in csv_file_list:
    csv_file_path = os.path.join(csv_folder_path, csv_file_name)
    if os.path.isfile(csv_file_path) and csv_file_name.endswith(".csv"):
        data_temp = pd.read_csv(csv_file_path)
        csv_data = pd.concat([csv_data, data_temp], ignore_index=True)

完整代码

import os
import pandas as pd

csv_folder_path = "./data_folder"
csv_file_list = os.listdir(csv_folder_path)

csv_data = pd.DataFrame()
for csv_file_name in csv_file_list:
    csv_file_path = os.path.join(csv_folder_path, csv_file_name)
    if os.path.isfile(csv_file_path) and csv_file_name.endswith(".csv"):
        data_temp = pd.read_csv(csv_file_path)
        csv_data = pd.concat([csv_data, data_temp], ignore_index=True)