伙计们，我这里有 200 个单独的 csv 文件，名称从 SH (1) 到 SH (200)。我想将它们合并到一个 csv 文件中。我该怎么做？
【问题讨论】：
标签： python csv merge concatenation
我只是将另一个代码示例扔进篮子：
from glob import glob
with open('singleDataFile.csv', 'a') as singleFile:
for csvFile in glob('*.csv'):
for line in open(csvFile, 'r'):
singleFile.write(line)
【讨论】：
我通过实现一个期望输出文件和输入文件路径的函数来做到这一点。 该函数将第一个文件的文件内容复制到输出文件中，然后对其余的输入文件执行相同的操作，但没有标题行。
def concat_files_with_header(output_file, *paths):
for i, path in enumerate(paths):
with open(path) as input_file:
if i > 0:
next(input_file) # Skip header
output_file.writelines(input_file)
函数使用示例：
if __name__ == "__main__":
paths = [f"sh{i}.csv" for i in range(1, 201)]
with open("output.csv", "w") as output_file:
concat_files_with_header(output_file, *paths)
【讨论】：
您可以简单地使用内置的csv 库。即使您的某些 CSV 文件的列名或标题略有不同，此解决方案也可以工作，这与其他投票最多的答案不同。
import csv
import glob
filenames = [i for i in glob.glob("SH*.csv")]
header_keys = []
merged_rows = []
for filename in filenames:
with open(filename) as f:
reader = csv.DictReader(f)
merged_rows.extend(list(reader))
header_keys.extend([key for key in reader.fieldnames if key not in header_keys])
with open("combined.csv", "w") as f:
w = csv.DictWriter(f, fieldnames=header_keys)
w.writeheader()
w.writerows(merged_rows)
合并后的文件将包含可以在文件中找到的所有可能的列 (header_keys)。文件中任何不存在的列都将呈现为空白/空（但保留文件的其余数据）。
注意：
csv 库，但不能使用 DictReader 和 DictWriter，而必须使用基本的 reader 和 writer。merged_rows 列表）。【讨论】：
import pandas as pd
import os
df = pd.read_csv("e:\\data science\\kaggle assign\\monthly sales\\Pandas-Data-Science-Tasks-master\\SalesAnalysis\\Sales_Data\\Sales_April_2019.csv")
files = [file for file in os.listdir("e:\\data science\\kaggle assign\\monthly sales\\Pandas-Data-Science-Tasks-master\\SalesAnalysis\\Sales_Data")
for file in files:
print(file)
all_data = pd.DataFrame()
for file in files:
df=pd.read_csv("e:\\data science\\kaggle assign\\monthly sales\\Pandas-Data-Science-Tasks-master\\SalesAnalysis\\Sales_Data\\"+file)
all_data = pd.concat([all_data,df])
all_data.head()
【讨论】：
在使用@Adders 以及后来由@varun 改进的解决方案上，我实现了一些小的改进，也让整个合并的 CSV 只剩下主标题：
from glob import glob
filename = 'main.csv'
with open(filename, 'a') as singleFile:
first_csv = True
for csv in glob('*.csv'):
if csv == filename:
pass
else:
header = True
for line in open(csv, 'r'):
if first_csv and header:
singleFile.write(line)
first_csv = False
header = False
elif header:
header = False
else:
singleFile.write(line)
singleFile.close()
最好的问候！！！
【讨论】：
一个易于使用的功能：
def csv_merge(destination_path, *source_paths):
'''
Merges all csv files on source_paths to destination_path.
:param destination_path: Path of a single csv file, doesn't need to exist
:param source_paths: Paths of csv files to be merged into, needs to exist
:return: None
'''
with open(destination_path,"a") as dest_file:
with open(source_paths[0]) as src_file:
for src_line in src_file.read():
dest_file.write(src_line)
source_paths.pop(0)
for i in range(len(source_paths)):
with open(source_paths[i]) as src_file:
src_file.next()
for src_line in src_file:
dest_file.write(src_line)
【讨论】：
或者，你可以这样做
cat sh*.csv > merged.csv
【讨论】：
如果文件没有按顺序编号，请采用以下无忧方法： Windows 机器上的 Python 3.6：
import pandas as pd
from glob import glob
interesting_files = glob("C:/temp/*.csv") # it grabs all the csv files from the directory you mention here
df_list = []
for filename in sorted(interesting_files):
df_list.append(pd.read_csv(filename))
full_df = pd.concat(df_list)
# save the final file in same/different directory:
full_df.to_csv("C:/temp/merged_pandas.csv", index=False)
【讨论】：
假设您有 2 个csv 文件，如下所示：
csv1.csv：
id,name
1,Armin
2,Sven
csv2.csv：
id,place,year
1,Reykjavik,2017
2,Amsterdam,2018
3,Berlin,2019
你希望结果是这样的 csv3.csv：
id,name,place,year
1,Armin,Reykjavik,2017
2,Sven,Amsterdam,2018
3,,Berlin,2019
那么你可以使用下面的sn-p来做到这一点：
import csv
import pandas as pd
# the file names
f1 = "csv1.csv"
f2 = "csv2.csv"
out_f = "csv3.csv"
# read the files
df1 = pd.read_csv(f1)
df2 = pd.read_csv(f2)
# get the keys
keys1 = list(df1)
keys2 = list(df2)
# merge both files
for idx, row in df2.iterrows():
data = df1[df1['id'] == row['id']]
# if row with such id does not exist, add the whole row
if data.empty:
next_idx = len(df1)
for key in keys2:
df1.at[next_idx, key] = df2.at[idx, key]
# if row with such id exists, add only the missing keys with their values
else:
i = int(data.index[0])
for key in keys2:
if key not in keys1:
df1.at[i, key] = df2.at[idx, key]
# save the merged files
df1.to_csv(out_f, index=False, encoding='utf-8', quotechar="", quoting=csv.QUOTE_NONE)
借助循环，您可以为多个文件实现与您的情况相同的结果（200 个 csv 文件）。
【讨论】：
如果你在 linux/mac 上工作，你可以这样做。
from subprocess import call
script="cat *.csv>merge.csv"
call(script,shell=True)
【讨论】：
更新 wisty 对 python3 的回答
fout=open("out.csv","a")
# first file:
for line in open("sh1.csv"):
fout.write(line)
# now the rest:
for num in range(2,201):
f = open("sh"+str(num)+".csv")
next(f) # skip the header
for line in f:
fout.write(line)
f.close() # not really needed
fout.close()
【讨论】：
很容易将目录中的所有文件合并起来
import glob
import csv
# Open result file
with open('output.txt','wb') as fout:
wout = csv.writer(fout,delimiter=',')
interesting_files = glob.glob("*.csv")
h = True
for filename in interesting_files:
print 'Processing',filename
# Open and process file
with open(filename,'rb') as fin:
if h:
h = False
else:
fin.next()#skip header
for line in csv.reader(fin,delimiter=','):
wout.writerow(line)
【讨论】：
这是一个脚本：
SH1.csv 的 csv 文件连接到 SH200.csv
import glob
import re
# Looking for filenames like 'SH1.csv' ... 'SH200.csv'
pattern = re.compile("^SH([1-9]|[1-9][0-9]|1[0-9][0-9]|200).csv$")
file_parts = [name for name in glob.glob('*.csv') if pattern.match(name)]
with open("file_merged.csv","wb") as file_merged:
for (i, name) in enumerate(file_parts):
with open(name, "rb") as file_part:
if i != 0:
next(file_part) # skip headers if not first file
file_merged.write(file_part.read())
【讨论】：
使用accepted StackOverflow answer 创建要附加的 csv 文件列表，然后运行此代码：
import pandas as pd
combined_csv = pd.concat( [ pd.read_csv(f) for f in filenames ] )
如果您想将其导出到单个 csv 文件，请使用：
combined_csv.to_csv( "combined_csv.csv", index=False )
【讨论】：
我修改了@wisty 所说的适用于 python 3.x 的内容，对于那些有编码问题的人，我也使用 os 模块来避免硬编码
import os
def merge_all():
dir = os.chdir('C:\python\data\\')
fout = open("merged_files.csv", "ab")
# first file:
for line in open("file_1.csv",'rb'):
fout.write(line)
# now the rest:
list = os.listdir(dir)
number_files = len(list)
for num in range(2, number_files):
f = open("file_" + str(num) + ".csv", 'rb')
f.__next__() # skip the header
for line in f:
fout.write(line)
f.close() # not really needed
fout.close()
【讨论】：
对上面的代码稍作改动，因为它实际上并不能正常工作。
应该是这样的……
from glob import glob
with open('main.csv', 'a') as singleFile:
for csv in glob('*.csv'):
if csv == 'main.csv':
pass
else:
for line in open(csv, 'r'):
singleFile.write(line)
【讨论】：
你为什么不能sed 1d sh*.csv > merged.csv？
有时你甚至不必使用 python！
【讨论】：
正如 ghostdog74 所说，但这次是标题：
fout=open("out.csv","a")
# first file:
for line in open("sh1.csv"):
fout.write(line)
# now the rest:
for num in range(2,201):
f = open("sh"+str(num)+".csv")
f.next() # skip the header
for line in f:
fout.write(line)
f.close() # not really needed
fout.close()
【讨论】：
f.next()，你可以使用f.__next__()。
with open 语法并避免手动.close()ing 文件。
f.next() 和f.__next__() 有什么区别？当我使用前者时，我得到了'_io.TextIOWrapper' object has no attribute 'next'
fout.write(line) 之前我会这样做：if line[-1] != '\n': line += '\n'
您可以导入 csv，然后遍历所有 CSV 文件，将它们读取到一个列表中。然后将列表写回磁盘。
import csv
rows = []
for f in (file1, file2, ...):
reader = csv.reader(open("f", "rb"))
for row in reader:
rows.append(row)
writer = csv.writer(open("some.csv", "wb"))
writer.writerows("\n".join(rows))
上面不是很健壮，因为它没有错误处理，也没有关闭任何打开的文件。 无论单个文件中是否包含一行或多行 CSV 数据，这都应该有效。我也没有运行这段代码，但它应该让你知道该怎么做。
【讨论】：
这取决于您所说的“合并”——它们有相同的列吗？他们有标题吗？例如，如果它们都具有相同的列，并且没有标题，则简单的连接就足够了（打开目标文件进行写入，循环打开每个用于读取的源，使用来自可读取源的shutil.copyfileobj 到open-for-writing 目标，关闭源，继续循环 - 使用 with 语句代表您进行关闭）。如果它们具有相同的列，但也有标题，则除了第一个源文件之外的每个源文件都需要一个 readline，在您打开它进行阅读之后，再将其复制到目标中，以跳过标题行。
如果 CSV 文件并非都具有相同的列，那么您需要定义在何种意义上“合并”它们（如 SQL JOIN？或“水平”，如果它们都具有相同的行数？等等）——在这种情况下，我们很难猜出你的意思。
【讨论】：
fout=open("out.csv","a")
for num in range(1,201):
for line in open("sh"+str(num)+".csv"):
fout.write(line)
fout.close()
【讨论】：
如果要在 Python 中使用合并的 CSV，那么只需使用 glob 获取文件列表，通过 files 参数传递给 fileinput.input()，然后使用 csv 模块读取它一口气完成。
【讨论】：