在科研生活中，我们可能在数据测试中得到很多份csv数据，这些数据只有两列，我们在后续数据处理中可能想把这些数据放在origin中绘图，其中所有数据的x轴(即第一列数据)都相同，我们想将y轴都整合在新的文件里，保存一列x轴数据，这样方便origin作图。因此，这里记录如何通过python代码快速实现整合。

该问题用代码进行处理的思路是这样：

1. 首先需要知道这些文件所处的路径位置
2. 接着逐次读取每份文件，并提取某列数据
3. 建立空列表，将提取出来的数据写入新的工作表中

#!/usr/bin/env python
# coding: utf-8
# In[1]:
import os
import csv
import pandas as pd
def all_csv(file_PATH = r'D:\desk\\test\\',save_file="数据整合.csv"):
该函数实现了提取多份csv文件的某列数据到新的工作表中，具体步骤为：
建立新列表，用于暂时存储提取出来的数据；
获取需要整合文件所在的文件夹位置；
使用for循环遍历文件夹的文件，逐份读取文件；
接着由于想要保留一个x轴的数据，这里使用条件语句，提取第一份文件的x与y轴数据，其他文件仅提取第二列数据，即y轴数据；
将提取的数据逐个加到所建立的空列表中；
使用concat函数将列表元素按列整合；
将整合好的数据写入新的工作表；
    df_list = [] #创建新列表用来存储提取出来的列表
    tqdm=os.listdir(file_PATH)#文件夹中的文件列表
    for i in range(0,len(tqdm)):#逐次遍历文件夹下的文件
        files_path = os.path.join(file_PATH,tqdm[i])#对应文件夹下的某份文件
        df = pd.read_csv(files_path)##读取CSV文件数据
        #这里实现提取第一份数据的x与y轴数据，其他文件只提取y轴数据
        if i ==0:
            data = df.iloc[:,:]#选取文件中某行某列数据
        else:
            data = df.iloc[:,1]
        df_list.append(data)#将选取的数据添加到列表
    df2 = pd.concat(df_list,axis=1)#将列表数据按列合并，axis=1表示按列整合
    save_path=os.path.join(file_PATH,save_file)#定义保存存放整合后数据的路径
    df2.to_csv(save_path,index=False)#将整合好的数据输入到新建的csv文件中
if __name__ == "__main__":
    all_csv(file_PATH = r'D:\desk\\test\\',save_file="数据整合.csv")
【注意】该份代码仅适合用于整合csv文件，不适合用于xlsx文件。
                    提取多份csv文件特定的列整合到新的csv工作表中在科研生活中，我们可能在数据测试中得到很多份csv数据，这些数据只有两列，我们在后续数据处理中可能想把这些数据放在origin中绘图，其中所有数据的x轴(即第一列数据)都相同，我们想将y轴都整合在新的文件里，保存一列x轴数据，这样方便origin作图。因此，这里记录如何通过python代码快速实现整合。该问题用代码进行处理的思路是这样：首先需要知道这些文件所处的路径位置接着逐次读取每份文件，并提取某列数据建立空列表，将提取出来的数据写入新的工作
1.大量csv文件，以数字命名，如1.csv、2.cvs等；
2.逐个打开，对csv文件中的某一列进行格式修改；
3.将更改后的内容写入新的csv文件。
解决思路：
先读取需处理的csv文件名，去除文件夹下的无用文件，得到待处理文件地址名称和新文件保存的地址名称，分别读取每一个csv文件进行处理后写入新的文件。
if __name__ == '__main__':
    filenames_in = '../Train_data/' # 输入文件的文件地址
				
在 Python 中，可以使用 csv 模块来读取 CSV 文件并提取其中的某几列。
下面是一个简单的示例，展示了如何提取 CSV 文件中的第一列和第三列：
import csv
# 打开 CSV 文件
with open('data.csv', 'r') as f:
    # 创建 CSV 阅读器
    reader = csv.reader(f)
    # 读取每行数据
    for...
#read csv
data1 = pd.read_csv(r'tem.csv',sep=';',header='infer')
#select specific columns
data1 = pd.read_csv(r'tem.csv',sep=';',header='infer',usecols=[0,1,3])
#set column headers
data1.columns = ['y','m','numbe..
# 打开要读取的csv文件
with open('input.csv', 'r') as input_file:
    reader = csv.reader(input_file)
    # 打开要写入的csv文件
    with open('output.csv', 'w', newline='') as output_file:
        writer = csv.writer(output_file)
        # 遍历每一行数据
        for row in reader:
            # 提取指定列的数据
            extracted_data = [row[i] for i in columns_to_extract]
            # 将提取的数据写入新的csv文件中
            writer.writerow(extracted_data)
在上面的示例代码中，我们指定了要提取的列索引，然后打开要读取的csv文件并遍历每一行数据，提取指定列的数据并将其写入新的csv文件中。注意要使用`newline=''`来避免写入csv文件时出现空行。