Python本地文件合并（csv）

注：

1. 本篇博客的文件合并主要是针对.csv的文件合并。
2. 关于文件合并的一些数据，我会放在我的gitee里面，是关于新冠疫情的数据整理，需要的可以自行获取：covid19数据整理

一、单文件之间合并

首先，要查询目录底下的文件要导入OS。并且我们要将.csv文件以pandas的dataframe底下，因此要导入PANDAS，另外由于我们要遍历目录，因此导入 GLOB：

import os
import pandas as pd 
import glob

注：

1. import os的作用:在python环境下对文件，文件夹执行操作的一个模块。

os.name返回当前系统
os.getcwd()返回当前的路径
os.remove(路径）删除路径下的文件

2. import glob的作用: glob是python自带的一个操作文件的相关模块，由于模块功能比较少，所以很容易掌握。用它可以查找符合特定规则的文件路径名。使用该模块查找文件，只需要用到： “*”, “?”, “[]”这三个匹配符;

”*”匹配0个或多个字符；
”?”匹配单个字符；
”[]”匹配指定范围内的字符，如：[0-9]匹配数字。

f1=open('../input/covid19temp/2020/12-30-2020.csv').read()
f2=open('../input/covid19temp/2020/12-31-2020.csv').read()

with open('f1112.csv','a+') as f:
    f.write('\n'+f1)
    f.write('\n'+f2)

合并完成之后就会多出一个f1112.csv文件：

然而打开f1112.csv后发现合并后的文件有一些脏数据没有整理：

这时候我们试试skiprows:
在读取文件的时候设置skiprows参数的值，设置为1,会跳过一行，这里是要将第二个文件的索引属性给去掉，因为已经和第一个文件合并了，而第一个文件有索引属性了。

f1=pd.read_csv('../input/covid19temp/2020/12-30-2020.csv')
f2=pd.read_csv('../input/covid19temp/2020/12-31-2020.csv',skiprows=1)
f1112=f1.append(f2)

f1112.to_csv('f1112.csv') # 导出该文件

在本地目录中打开该文件：

二、单个文件夹底下多个文件合并

csv_list=glob.glob('../input/covid19temp/2020/*.csv') 
# 如果不加上*的话拿到的就是目录的名称，如果加上*，拿到的就是完整的目录数据
print(csv_list)

for i in csv_list:  
    fr=open(i,'r').read()
    with open('2020csvdata.csv','a') as f:
        f.write(fr)
    f.close()
print('数据文件合并完成！')

csv_list=glob.glob('../input/covid19temp/2020/*')
for i in csv_list:
    fr=open(i,'rb').read()
    with open('2020csvdata2.csv','ab') as f:
        f.write(fr)
    f.close()
print('数据文件合并完成！')

csv_list=glob.glob('../input/covid19temp/2020/*')
csvdatadf=pd.DataFrame()
for i in csv_list:
    csvdata=pd.read_csv(i)
    csvdatadf=csvdatadf.append(csvdata)
print('数据文件合并完成！')

合并之后使用pd.read_csv读取文件数据，一共有20W+的疫情数据记录：

三、多个文件夹底下多个文件合并

import os
import pandas as pd 
import glob
import openpyxl
import numpy as np

path='../input/covid19temp' # 写的路径
csv_lists=[] # 该列表的作用

# 是否更新目录判断：
if os.path.isdir(path): #使用os.path.isdir判断path是否是路径
    if not path.endswith("/"):# 如果该路径的最后没有加上'/'的话，会帮忙加一个/
        path+="/"
        print(path)

如上图所示，路径后面多了一个 ‘/’，否则路径会找不到

文件操作：

1. os.listdir()： 列出路径下所有的文件
2. os.path.join()： 连接文件的作用
3. os.path.isdir()： 判断是否是文件夹

import os
import pandas as pd 
import glob
import openpyxl
import numpy as np

path='../input/covid19temp' # 写的路径
csv_lists=[] # 该列表的作用

# 是否更新目录判断：
if os.path.isdir(path): #使用os.path.isdir判断path是否是路径
    if not path.endswith("/"):# 如果该路径的最后没有加上'/'的话，会帮忙加一个/
        path+="/"
        print(path)
        for each in os.listdir(path):# os.listdir()： 列出路径下所有的文件
            print(each)

import os
import pandas as pd 
import glob
import openpyxl
import numpy as np

path='../input/covid19temp' # 写的路径
csv_lists=[] # 该列表的作用

# 是否更新目录判断：
if os.path.isdir(path): #使用os.path.isdir判断path是否是路径
    if not path.endswith("/"):# 如果该路径的最后没有加上'/'的话，会帮忙加一个/
        path+="/"
        print(path)
        for each in os.listdir(path):# os.listdir()： 列出路径下所有的文件
            print(each)
            sub_path=path+each
            path_list=[]
            if os.path.isdir(sub_path):
                path_list.append(sub_path)
                csv_lists.append(path_list) # 生成主目录下路径列表（非文件）
# 根据路径进行路径下文件列表的生成
csvlists=[]
for i in range(len(csv_lists)):
#    print(i)
    csvlists.append(glob.glob(csv_lists[i][0]+'/*.csv')) 
csvlists

# 获取每年的文件路径
csvfilelist=[]
for j in range(len(csvlists)):
    for k in csvlists[j]:
        csvfilelist.append(k)
csvfilelist

csvdatadf=pd.DataFrame()
for m in csvfilelist:
    filesize=os.path.getsize(m)
    if filesize>0:
        csvdata=pd.read_csv(m)
        csvdatadf=csvdatadf.append(csvdata)
    else:
        continue
    
print('数据合并完成')

四、多文件夹[函数递归]

import os 
import pandas as pd 
def mergeFiles(parent,path="",pathdeep=0):
    fileAbsPath=os.path.join(parent,path)
    if os.path.isdir(fileAbsPath)==True:
        if (pathdeep!=0 and('.ipynb_checkpoints' not in str(fileAbsPath))):
            print('=='+path)
        for filename2 in os.listdir(fileAbsPath):
            mergeFiles(fileAbsPath,filename2,pathdeep=pathdeep+1)
    else:
        print(path)
path=input("请输入需要的文件注主目录：")
mergeFiles(path)