使用python将具有相同标题但不同csv文件名的多个CSV文件合并为一个答案

【问题标题】：merging multiple CSV files in one with same header but different csv files name with python使用python将具有相同标题但不同csv文件名的多个CSV文件合并为一个
【发布时间】：2019-12-10 18:38:39
【问题描述】：

我是 python 新手...我试图应用此代码来合并多个 csv 文件，但它不起作用..基本上，我有一个文件包含带有标题的股票价格：日期、开放、高,low,Close,Adj 收盘量... .但每个 csv 文件都有不同的名称：Apl.csv、VIX.csv、FCHI.csv 等。我想将所有这些 csv 文件合并到 One.. 但我想添加一个新列，它将披露 csv 文件的名称示例：

stock_id,date,open,High,low,Close,Adj Close Volume with stock_id = apl,Vix 等。我使用了这段代码，但我卡在第 4 行这是代码：

  files = os.listdir() 
  file_list = list() 
  for file in os.listdir():
      if file.endswith(".csv")
      df=pd.read_csv(file,sep=";")
      df['filename'] = file
      file_list.append(df) 
  all_days = pd.concat(file_list, axis=0, ignore_index=True) 
  all_days.to_csv("all.csv")

有人可以帮我解决这个问题吗？

【问题讨论】：

标签： python csv

【解决方案1】：

在 Python 中，缩进级别很重要，您需要在 if 语句的末尾加一个冒号。我不能说你正在尝试的方法，但你可以用这个清理语法：

files = os.listdir() 
file_list = list() 
for file in os.listdir():
    if file.endswith(".csv"):
        df=pd.read_csv(file,sep=";")
        df['filename'] = file
        file_list.append(df) 
all_days = pd.concat(file_list, axis=0, ignore_index=True) 
all_days.to_csv("all.csv")

【讨论】：

嗨谢谢 sjc..但我不认为错误来自缩进..如果 file.endswith(".csv"):, 我在这一行出现错误不确定该方法是否适合我想做的事情
我的主要问题是：如何在单个文件中创建列并放置每个 csv 文件的名称，以及日期时间序列
对，在您发布的代码中，您在 if 语句末尾缺少冒号。它在我发布的 sn-p 中。
嗨，sjc，我使用了您的代码，但仍然出现错误...显然该代码无法获取每个 csv 文件名并将其存储在列中。请有什么想法吗？
嗨，sjc 未对齐。未来版本的 pandas 将默认更改为不排序。要接受未来的行为，请传递 'sort=False'。要保留当前行为并使警告静音，请传递 'sort=True'。 # 在加载内容时从 sys.path 中删除 CWD。span>

【解决方案2】：

我在 python 方面相对较新..这是我想做的..我有一个包含多个 csv 文件的文件夹（2018.csv、2017.csv、2016.csv 等）500 个 csv 文件准确地说..每个 csv 包含标题“日期”、“代码”、“Cur”、价格等。我想将所有 500 个 csv 文件连接到一个数据名中……这是我的一个 csv 文件的代码，但是它非常慢，我想对所有 500 个文件执行此操作并在一个数据帧中连接：

 DB_2017 = pd.read_csv("C:/folder/2018.dat",sep=",", header =None).iloc[: 0,4,5,6]

 DB_2017.columns =["date","Code","Cur",Price]

 DB_2017['Code'] =DB_2017['Code'].map(lambdax:x.lstrip('@').rstrip('@'))

 DB_2017['Cur'] =DB_2017['Cur'].map(lambdax:x.lstrip('@').rstrip('@'))

 DB_2017['date'] =DB_2017['date'].apply(lambdax:pd.timestamp(str(x)[:10)

 DB_2017['Price'] =pd.to_numeric(DB_2017.Price.replace(',',';')

【讨论】：