Rumah > pembangunan bahagian belakang > Tutorial Python > Bagaimanakah Saya Boleh Menggabungkan Berbilang Fail CSV dengan Cekap ke dalam Bingkai Data Panda Tunggal dan Menjejaki Asal Data?

Bagaimanakah Saya Boleh Menggabungkan Berbilang Fail CSV dengan Cekap ke dalam Bingkai Data Panda Tunggal dan Menjejaki Asal Data?

Linda Hamilton
Lepaskan: 2024-12-22 21:33:18
asal
680 orang telah melayarinya

How Can I Efficiently Concatenate Multiple CSV Files into a Single Pandas DataFrame and Track Data Provenance?

Menggabungkan Berbilang Fail CSV ke dalam DataFrame Tunggal

Pernyataan Masalah

Untuk menggabungkan berbilang fail CSV dengan cekap menjadi DataFrame bersatu, penyelesaian yang ringkas dan boleh dipercayai dicari. Walau bagaimanapun, halangan telah ditemui dalam gelung penggabungan.

Penyelesaian

Untuk menyelesaikan isu dan berjaya menggabungkan fail CSV, coretan kod komprehensif berikut boleh digunakan:

import os
import pandas as pd
from pathlib import Path

path = r'C:\DRO\DCL_rawdata_files'
all_files = Path(path).glob('*.csv')

df = pd.concat((pd.read_csv(f) for f in all_files), ignore_index=True)
Salin selepas log masuk

Kod ini menggunakan ungkapan penjana untuk membaca setiap fail CSV secara individu, dan kemudian menggabungkannya menjadi satu DataFrame. Parameter ignore_index memastikan bahawa DataFrame bercantum mempunyai indeks baris berterusan.

Menambah Maklumat untuk Mengenalpasti Asal Data

Dalam senario tertentu, ia mungkin berfaedah untuk menambah lajur pada DataFrame bercantum yang menunjukkan sumber fail setiap baris. Ini boleh dicapai menggunakan salah satu pendekatan berikut:

Pilihan 1: Tambah Nama Fail sebagai Lajur Baharu

dfs = []
for f in all_files:
    data = pd.read_csv(f)
    data['file'] = f.stem
    dfs.append(data)

df = pd.concat(dfs, ignore_index=True)
Salin selepas log masuk

Pilihan 2: Tambah Fail Generik Sumber sebagai Lajur Baharu

dfs = []
for i, f in enumerate(all_files):
    data = pd.read_csv(f)
    data['file'] = f'File {i}'
    dfs.append(data)

df = pd.concat(dfs, ignore_index=True)
Salin selepas log masuk

Pilihan 3: Tambah Sumber Fail Menggunakan Pemahaman Senarai

dfs = [pd.read_csv(f) for f in all_files]
df = pd.concat(dfs, ignore_index=True)
df['Source'] = np.repeat([f'S{i}' for i in range(len(dfs))], [len(df) for df in dfs])
Salin selepas log masuk

Pilihan 4: Penyelesaian Baris Tunggal dengan .assign()

df = pd.concat((pd.read_csv(f).assign(filename=f.stem) for f in all_files), ignore_index=True)
Salin selepas log masuk

Dengan melaksanakan salah satu daripada pilihan ini, yang digabungkan DataFrame akan diberi anotasi dengan maklumat untuk mengesan asal usul setiap baris.

Atas ialah kandungan terperinci Bagaimanakah Saya Boleh Menggabungkan Berbilang Fail CSV dengan Cekap ke dalam Bingkai Data Panda Tunggal dan Menjejaki Asal Data?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

sumber:php.cn
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Artikel terbaru oleh pengarang
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan