轻松掌握Pandas：一招教你高效合并多个CSV文件！

在数据处理和分析中，经常会遇到需要合并多个CSV文件的情况。Pandas是一个强大的Python数据分析库，提供了多种方法来合并CSV文件。本文将介绍一种简单高效的方法来合并多个CSV文件，并详细说明其步骤和代码实现。

1. 简介

Pandas提供了concat函数和merge函数来合并数据。对于CSV文件，concat函数通常用于沿行合并，而merge函数则用于根据键值合并。本文将重点介绍使用concat函数来合并CSV文件。

2. 准备工作

在开始合并CSV文件之前，请确保已经安装了Pandas库。如果没有安装，可以使用以下命令安装：

pip install pandas

3. 使用`concat`函数合并CSV文件

concat函数可以接受一个或多个Pandas对象（如DataFrame），并沿着指定的轴（默认为0，即行）将它们合并。以下是一个简单的例子：

3.1 读取CSV文件

首先，使用Pandas的read_csv函数读取CSV文件。这里假设我们有两个CSV文件：file1.csv和file2.csv。

import pandas as pd # 读取CSV文件 df1 = pd.read_csv('file1.csv') df2 = pd.read_csv('file2.csv')

3.2 合并CSV文件

使用concat函数合并两个DataFrame：

# 合并DataFrame df_concatenated = pd.concat([df1, df2])

3.3 查看合并后的结果

你可以使用head函数查看合并后的前几行数据，以确保合并成功。

# 查看合并后的结果 print(df_concatenated.head())

4. 批量合并CSV文件

如果需要合并多个CSV文件，可以将文件名存储在一个列表中，然后使用列表推导式和concat函数批量合并。

# 假设有一个包含CSV文件名的列表 file_names = ['file1.csv', 'file2.csv', 'file3.csv', 'file4.csv'] # 使用列表推导式和concat函数批量合并CSV文件 df_concatenated_all = pd.concat([pd.read_csv(f) for f in file_names]) # 查看合并后的结果 print(df_concatenated_all.head())