csv_list
=
glob
.
glob
(
'csvfile/*.csv'
)
print
(
'共有%s个CSV文件'
%
len
(
csv_list
)
)
print
(
csv_list
)
for
csv_file
in
csv_list
:
csvreader
=
csv
.
reader
(
open
(
csv_file
,
"r"
)
)
print
(
csvreader
)
for
index
,
rows
in
enumerate
(
csvreader
)
:
if
index
==
3
:
print
(
rows
)
fileHeader
=
[
"nA"
,
"nb"
,
"nc"
]
with
open
(
'newfile.csv'
,
'a+'
)
as
wf
:
new_writer
=
csv
.
writer
(
wf
)
new_writer
.
writerow
(
rows
)
wf
.
close
(
)
Glob 用法
glob模块实现对目录内容进行匹配，结合通配符星号（*）、问号（？）和中括号（[ ]）使用。星号可以匹配零个或多个符号，问号(?)可以匹配单个字符，中括号([ ])匹配一个指定范围的字符。
glob.glob() 函数接受通配模式作为输入，并返回所有匹配的文件名和路径名列表，与os.listdir()类似。
读取文件夹的所有CSV文件，都取第三行写入新文件。#!/usr/bin/env python# coding=utf-8import globimport timeimport csv# a new file #open all the CSV file#遍历文件夹下所有csv文件csv_list = glob.glob('csvfile/*.csv')print('共有...
import pandas as pd
file =open('D:/shujuji/MobiAct_Dataset_v2.0/Annotated Data/CSO/CSO_1_1_annotated.
csv
','r')
lines=file.readlines()
file.close()
row=[]#定义
行
数组
for line in lines[320:370]:
#for li.
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
我们越来越多的使用pandas进
行
数据处理，有时需要向一个已经存在的
csv
文件
写入
数据，传统的方法之前我也有些过，向txt，excel
文件
写入
数据，传送门：
Python
将二维列表（list）的数据输出（TXT，Excel）
pandas to_
csv
()只能在
新
文件
写数据？当然不是！
pandas to_
csv
() 是可以向已经存在的具有相同结构的
csv
文件
增加dataframe数据。
df.to_
csv
('my_
csv
.
csv
', mode='a', header=False)
to_
csv
()方法mode默认为w，我们加上mode=’a’，便可以追加
写入
数据。
pandas读写
文件
，处
newline=""
新
的一
行
隔
行
去掉
encoding指定字符集编码的
with open("练习.
csv
","w",newline="",encoding="utf-8") as f:
csv
weiter =
csv
.writer(f,dialect=("excel"))#
写入
数据,dialect=("excel")可写可不写，默认就是excel
csv
weiter.writerow(['^','#','$','%'])#
写入
一
行
csv
w.
可以使用
Python
的
csv
模块，它可以提供很多方便的函数，来帮助你实现这个目的。例如，writerow()函数可以用于将
行
写入
csv
文件
，writerows()函数可以用于将多
行
写入
csv
文件
，以及writer()函数可以用于
写入
任意格式的
csv
文件
。
python
基础之③
csv
文件
读取
和
写入
QQ:3020889729 小蔡什么是
CSV
引用
csv
库简要说明打开
csv
文件
的一种方式（用with……as……）
csv
文件
读取
csv
文件
写入
pandas
读取
csv
和
写入
csv
QQ:3020889729
9.5
Python
csv
文件
的
写入
操作
9.5.1 with open( ) as …
with open() as ... 是对原有 open() 和 close() 的优化。
使用with open() as ...语句时，代码块运
行
完毕后，程序会自动关闭
文件
，不用再写 close()语句来关闭
文件
。
用法是把open()函数放在 with 后面，把变量名放在as后面，结束时要加冒号 ：，然后把要执
行
的代码缩进到with open() as ...下方的代码块中。
具体语法你可以参考下图：
python
代码中将数据
写入
CSV
表格有两种办法：pandas和
CSV
。
下面我将介绍什么时候适合使用pandas，什么时候适合使用
CSV
库。主要区别是一个按
行
存储方便，一个按列存取方便。
1.按列存数据（使用pandas）
假设第一列为[1,1,1,1],第二列为[2,2,2,2]，第三列的值为[3,3,3]，列名（表头名字）为column1,column2,column3。代码如下：
import pandas as pd
c1= [1,1,1,1]
c2 = [2,2,2,2]
c3= [3,3,3,
1. 导入所需的库，比如pandas库；
2. 使用pandas库中的read_
csv
()函数，
读取
每个
CSV
文件
；
3. 使用pandas库中的concat()函数，将
读取
的
CSV
文件
合并为一个数据框；
4. 对合并后的数据框进
行
操作，比如
新
增一个
新
列，并为其赋值；
5. 将操作后的数据框
写入
新
的
CSV
文件
，比如使用pandas库中的to_
csv
()函数。
以下是示例代码：
```
python
import pandas as pd
#
读取
多个
CSV
文件
df1 = pd.read_
csv
('file1.
csv
')
df2 = pd.read_
csv
('file2.
csv
')
df3 = pd.read_
csv
('file3.
csv
')
# 合并
CSV
文件
frames = [df1, df2, df3]
merged_df = pd.concat(frames)
# 生成
新
列
merged_df['new_column'] = 'new_value'
# 将操作后的数据框
写入
新
的
CSV
文件
merged_df.to_
csv
('output.
csv
', index=False)
上述代码会将
文件
名为file1.
csv
、file2.
csv
和file3.
csv
的
CSV
文件
读取
进来，并将它们合并为一个数据框。然后，代码
新
增一个名为new_column的
新
列，并将该列的所有值设置为new_value。最后，操作后的数据框将被
写入
一个
新
的
CSV
文件
output.
csv
中。
