python 对多个csv文件分别进行处理的方法

对多个CSV文件进行处理可以使用Python的Pandas库。下面是实现此目的的一个完整攻略：

1. 准备阶段

• 安装 Python 版本大于等于 3.6 的环境
• 安装 Pandas 库： pip install pandas

2. 代码实现

首先，我们可以通过 Pandas 库的 read_csv() 函数读取 CSV 文件，并获得相应的数据框（DataFrame）。

import pandas as pd

df1 = pd.read_csv('file1.csv')
df2 = pd.read_csv('file2.csv')

接下来，我们可以使用 Pandas 提供的方法进行多个 CSV 文件的合并，方法包括 concat 和 merge。下面分别介绍这两种方法及其示例：

2.1 concat 方法

concat 方法可以将多个 Pandas DataFrame 连接到一起，并指定沿哪一个轴进行连接。

例如，下面的示例将两个 CSV 文件拼接为 merged_df Dataframe，并在沿着行的轴进行合并。

# 载入数据
df1 = pd.read_csv('file1.csv')
df2 = pd.read_csv('file2.csv')

# 拼接数据，沿行的轴
merged_df = pd.concat([df1, df2], axis=0)

2.2 merge 方法

merge() 方法允许我们基于某些列将两个 DataFrame 进行拼接。该方法需要指定共同列的名称，并将两个 DataFrame 视为左表和右表。

下面的示例将在共同键列“id”上将两个 CSV 文件合并为 merged_df 的 Dataframe。

# 载入数据
df1 = pd.read_csv('file1.csv')
df2 = pd.read_csv('file2.csv')

# 合并数据，共同列为‘id’
merged_df = pd.merge(df1, df2, on='id')

这些上述两种方法都可以用于合并多个 CSV 文件，只需将多个 DataFrame 放到列表中或连续地进行合并即可。

3. 结束语

以上攻略讲解了如何使用 Pandas 处理多个 CSV 文件的方法和示例，希望对您有所帮助！