从子目录搜索 CSV 并将文件夹名称添加为列

如何解决从子目录搜索 CSV 并将文件夹名称添加为列

我想从我的工作目录中的不同子目录中读取 csv 以创建一个组合的 csv 文件。合并后的 csv 应该有一列包含从中读取特定 csv 的子目录名称。

这是我试过的。

import os
import glob
import pandas as pd

all_filenames = [i for i in glob.glob('*/*.csv'),recursive=True)]
list_subfolder = [f.name for f in os.scandir(ride_path) if f.is_dir()]

df_list = []

for i in range(len(all_filenames)):
    dir_name = list_subfolder[i]
    current_csv = all_filenames[i]
    data = pd.read_csv(current_csv)
    data["sub_folder"]= dir_name
    df_list.append(data)

combined_df = pd.concat(df_list)
combined_df.to_csv("combined_csv.csv",index=False)

问题在于，它添加了其中没有 csvs' 的子目录，这是错误且有问题的。这样做的最佳方法是什么。

解决方法

您可以通过 pathlib 模块执行此操作：

from pathlib import Path

inp_path =  Path('.') # specify the inp path. Here,('.') means current working dir
df_list= []

for csv_file in inp_path.glob('**/*.csv'): # glob here will return generator obj which will yield csv file one by one
    df = pd.read_csv(csv_file)
    df['file_name'] = csv_file.parent # possible to get parent dir via pathlib
    df_list.append(df_list)


combined_df = pd.concat(df_list)
combined_df.to_csv("combined_csv.csv",index=False)

Note.

1- 如果您只需要名称，请使用 csv_file.parent.name。

2- 如果您想要父目录的完整路径，请使用 csv_file.parent.absolute()。

,

glob 和 os 的另一个选项：

import os
import glob
import pandas as pd

df_list = []

for csv in glob.glob('**/*.csv',recursive=True):
    parent_folder = os.path.split(os.path.dirname(csv))[-1]
    df = pd.read_csv(csv)
    df['subfolder'] = parent_folder
    df_list.append(df)

combined_df = pd.concat(df_list)
combined_df.to_csv("combined_csv.csv",index=False)

,

您可以使用我们os.path.split()：

import os
import glob
import pandas as pd

all_filenames = [i for i in glob.glob("**/*.csv",recursive=True)]

df_list = []
for f in all_filenames:
    current_csv = f
    data = pd.read_csv(current_csv)
    data["sub_folder"] = os.path.split(f)[0]    # <-- [0] is directory [1] is filename
    df_list.append(data)

combined_df = pd.concat(df_list)
print(combined_df)
combined_df.to_csv("combined_csv.csv",index=False)

,

单行方法（改编自 @nk03 答案）。

import pandas as pd
import pathlib as pth

pd.concat([pd.read_csv(csvfile).assign(file_name=csvfile.parent)
           for csvfile in pth.Path(".").glob("**/*.csv")]) \
  .to_csv("combined_csv.csv",index=False)