您可以使用 pandas.read_csv 的 usecols 参数。

import pandas as pd
from glob import glob

所以我们在这里做的是循环遍历当前目录中以 .csv 结尾的所有文件，然后对于这些文件中的每个文件，只在感兴趣的列中读取，即第5列。我们编写 usecols=[4] 是因为pandas使用基于0的索引，所以在0，1，2，3，4中，第五个数字是4。另外，您要求跳过空白行，而您的样本数据包含9个空白行，直到实际数据，所以我们将 skiprows 设置为9。我们使用 pd.concat 将所有这些都连接到一个DataFrame中。

combined_df = pd.concat(
                         pd.read_csv(csv_file, usecols=[4], skiprows=9) 
                         for csv_file in glob('*.csv')
                        )

要去除DataFrame中的空行，您可以简单地使用：

combined_df = combined_df.dropna()

然后，我们可以简单地将此 combined_df 写入文件：

combined_df.to_csv('combined_column_5.csv')

假数据：

sapply(1:3, function(i) write.csv(mtcars, paste0(i,".csv"), row.names=FALSE))

生成三个csv文件，分别命名为 1.csv 到 3.csv ，每个文件都包含：

"mpg","cyl","disp","hp","drat","wt","qsec","vs","am","gear","carb"
21,6,160,110,3.9,2.62,16.46,0,1,4,4
21,6,160,110,3.9,2.875,17.02,0,1,4,4
22.8,4,108,93,3.85,2.32,18.61,1,1,4,1
21.4,6,258,110,3.08,3.215,19.44,1,0,3,1
...

代码：

write.csv(sapply(list.files(pattern="*.csv"), function(a) read.csv(a)[,5]),