循环遍历不同文件夹中的文件答案

【问题标题】：Loop over files in different folders循环遍历不同文件夹中的文件
【发布时间】：2021-04-25 11:00:40
【问题描述】：

如何循环访问 2 个文件夹？在 Apple 及其所有子文件夹中，我想查找包含“绿色”的 Excel 文件。在 Banana 中，我想查找包含“黄色”的文件。我明确需要指定文件夹路径，不能只循环整个 C 盘。

import os
folders = ['C:/Desktop/apple', 'C:/Downloads/banana']
for x in in range(len(folders)):
    for root, dirs, files in os.walk(folders[i]):
        for file in files:
            if file.endswith(".xlsx") and "banana" in folders[i] and "yellow" in file:
                df = pd.read_excel(os.path.join(root, file))
                df['date'] = pd.to_datetime(df.date)
                ...

            if file.endswith(".xlsx") and "apple" in folders[i] and "green" in file:
                df = pd.read_excel(os.path.join(root, file))
                df['date'] = pd.to_datetime(df.date)
                ...

由于所有的 excel 文件看起来都一样，我上面的代码很麻烦，因为我正在复制代码来读取数据帧并清理 df。

【问题讨论】：

标签： python python-3.x pandas glob pathlib

【解决方案1】：

获取所有符合您条件的文件路径的最简单方法是使用glob 包：

import glob
for file in glob.glob('C:/Desktop/apple/*green*.xlsx') + glob.glob('C:/Desktop/banana/*yellow*.xlsx'):
    print(file)
    df = pd.read_excel(os.path.join(root, file))
    df['date'] = pd.to_datetime(df.date)

Glob 使用正则表达式模式匹配。如果你想选择只以green开头的文件，你可以像sogreen*这样去掉第一个星号。

为此使用pathlib：

from pathlib import Path
for file in [f"C:/Desktop/{f}" for f in list(Path('apple').glob('*green*.csv')) + list(Path('banana').glob('*yellow*.csv'))]:
    df = pd.read_excel(os.path.join(root, file))
    df['date'] = pd.to_datetime(df.date)

【讨论】：

非常感谢，如果可能，很抱歉：如果我想在 Apple 文件夹中搜索“绿色”或“红色”，是否可以在此行添加“或”语句glob.glob('C:/Desktop/apple/*green*.xlsx') .还是我必须添加另一个 + 语句？

【解决方案2】：

您可以创建一个字典，其中键是文件夹，值是要搜索的内容。伪代码：

import os

to_search = {                             # <--- the dictionary
    "C:/Desktop/apple": "green",
    "C:/Desktop/banana": "yellow",
}

for folder, item in to_search.items():    # <--- use dict.items()
    for root, dirs, files in os.walk(folder):  # <--- here you use "folder"
        for file in files:
            if file.endswith(".xlsx") and item in file:   # <--- here you use "item"
                df = pd.read_excel(os.path.join(root, file))
                df["date"] = pd.to_datetime(df.date)

                # ...

【讨论】：