使用 Python 从目录中读取所有 csv 文件

Posted 2023-02-23

【中文标题】使用 Python 从目录中读取所有 csv 文件

【英文标题】：Read in all csv files from a directory using Python

【发布时间】：2016-02-03 21:26:12

【问题描述】：

我希望这不是微不足道的，但我想知道以下几点：

如果我有一个包含 n csv 文件的特定文件夹，我如何迭代地读取所有这些文件，一次一个，并对它们的值执行一些计算？

例如，对于单个文件，我做这样的事情并对x数组进行一些计算：

import csv
import os

directoryPath=raw_input('Directory path for native csv file: ') 
csvfile = numpy.genfromtxt(directoryPath, delimiter=",")
x=csvfile[:,2] #Creates the array that will undergo a set of calculations

我知道我可以检查给定文件夹中有多少 csv 文件（检查 here）：

import glob
for files in glob.glob("*.csv"):
    print files 

但是我没有弄清楚如何将 numpy.genfromtxt() 函数嵌套在 for 循环中，因此我读取了由我指定的目录的所有 csv 文件。

编辑

我的文件夹只有jpg 和csv 文件。后者被命名为eventX.csv，其中 X 的范围是 1 到 50。因此，我所指的 for 循环应该考虑文件名的本来面目。

【参考方案1】：

我就是这样做的：

import os

directory = os.path.join("c:\\","path")
for root,dirs,files in os.walk(directory):
    for file in files:
       if file.endswith(".csv"):
           f=open(file, 'r')
           #  perform calculation
           f.close()

【讨论】：

可以在我定义x=csvfile[:,2] 之后直接放置f.close() 行吗？数字2 只是示例性的。

而且，如果我可以补充一下，您的代码是否会检查 directory 内所有文件夹中的所有 csv 文件？

作为说明，推荐打开文件的方式是with open(file) as file这样的好处是超出范围会自动关闭

@FrancescoCastellani 第一个问题：您可以执行此操作，但无法对文件执行任何其他操作。至于第二个，它只列出一个目录中的所有文件。如果您想要一个目录中所有文件夹中的所有文件，您可以将目录中的每个文件夹存储在一个列表中，然后一次从每个文件夹中获取 .csv。

能否解释一下这行，os.path.join("c:\\","path")

【参考方案2】：

使用 pandas 和 glob 作为基础包

import glob
import pandas as pd

glued_data = pd.DataFrame()
for file_name in glob.glob(directoryPath+'*.csv'):
    x = pd.read_csv(file_name, low_memory=False)
    glued_data = pd.concat([glued_data,x],axis=0)

【参考方案3】：

我认为您正在寻找类似的东西

import glob

for file_name in glob.glob(directoryPath+'*.csv'):
    x = np.genfromtxt(file_name,delimiter=',')[:,2]
    # do your calculations

编辑

如果您想从一个文件夹（包括子文件夹）中获取所有 csv 文件，您可以使用 subprocess 而不是 glob（请注意，此代码仅适用于 linux 系统）

import subprocess
file_list = subprocess.check_output(['find',directoryPath,'-name','*.csv']).split('\n')[:-1]

for i,file_name in enumerate(file_list):
    x = np.genfromtxt(file_name,delimiter=',')[:,2]
    # do your calculations
    # now you can use i as an index

它首先使用 shell 中的 find 命令在文件夹和子文件夹中搜索所有文件名，然后再应用您的计算。

【讨论】：

嗯，我非常喜欢这个方便而简短的解决方案，但我对其进行了测试，但它并没有达到我想要的效果。我创建了一个新的空文件夹，在其中放置了三个名为 file_1.csv、file_2.csv 和 file_3.csv 的 csv 文件，每个文件都有值 1、2 和 3 作为唯一值（没有标题）。然后我创建了a=numpy.zeros(3) 用这些值填充它，但我得到了a=([0,0,0])。在for 循环中，a 的新值分配如下：a[file_name]=numpy.genfromtxt(file_name,delimiter=',')[0,0]。而不是a=([1,2,3]) 我得到a=([0,0,0])。

嗯……它适用于我的简单示例……让我检查一下可能出了什么问题……

@FrancescoCastellani : file_name 是我的代码中的一个字符串...a[file_name] 是什么意思？ a[...] 需要一个整数...没有错误吗？

不，没有错误。我试图使用file_name 作为计数器变量，因为它包含此测试用例的确切文件数（和值）。我编这个只是为了测试你的提示。如果我们不能使用file_name 作为计数器，我们可以使用什么？我们是否应该添加一个嵌套循环来添加一个范围为 1 到 3 的计数器？

哦，那么问题是您使用 Windows，因为（据我所知）命令 find 不存在（或不起作用），因为我在程序中使用了它。 ...嗯，让我看看我是否可以重写那部分以便为你工作

【参考方案4】：

根据numpy.genfromtxt()的documentation，第一个参数可以是一个

要读取的文件、文件名或生成器。

这意味着你可以编写一个生成器来生成所有文件的行，如下所示：

def csv_merge_generator(pattern):
    for file in glob.glob(pattern):
        for line in file:
            yield line

# then using it like this

numpy.genfromtxt(csv_merge_generator('*.csv')) 

应该可以。 （我没有安装 numpy，所以无法轻松测试）

【讨论】：

你的最后一行会嵌套在for 循环中吗？

nonono，它在生成器中传递，因此获取所有文件

【参考方案5】：

这里有一个更简洁的方法来做到这一点，给定一些path = "/path/to/dir/"。

import glob
import pandas as pd

pd.concat([pd.read_csv(f) for f in glob.glob(path+'*.csv')])

然后你可以将你的计算应用到整个数据集，或者，如果你想一个一个地应用它：

pd.concat([process(pd.read_csv(f)) for f in glob.glob(path+'*.csv')])