读取多个 csv 文件并将文件名添加为 pandas 中的新列

Question

我在一个文件夹中有多个 csv 文件，我想在一个数据框中将它们全部打开并插入一个具有相关文件名的新列。到目前为止，我已经编写了以下代码：

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“文件名”中，它只列出了文件夹中每一行的最后一个文件名。我正在寻找每一行填充它的关联 csv 文件。不仅仅是文件夹中的最后一个文件。

非常感谢对这个新手的任何帮助。

Answer 1

首先，您没有定义 csv 变量。

但无论如何，这种行为是有道理的，因为您最后使用的是 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 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

Answer 2

我认为您需要assign 来在loop 中添加新列，还将参数ignore_index=True 添加到concat 以删除index 中的重复项：

测试文件为a.csv、b.csv、c.csv。

import pandas as pd
import glob, os


files = glob.glob('samples_for_so/*.csv')
print (files)
#['samples_for_so\\a.csv', 'samples_for_so\\b.csv', 'samples_for_so\\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
0  0  9  6  5  b.csv
1  1  6  4  2  b.csv
0  0  7  1  7  c.csv
1  1  3  2  6  c.csv

---

files = glob.glob('samples_for_so/*.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