python批量读取txt文件为DataFrame的方法

下面是“python批量读取txt文件为DataFrame的方法”的完整攻略，包括以下步骤：

步骤一：准备数据

首先需要获得一些示例数据，这些示例数据应该存在于多个.txt文件中。这些文件应该具有相同的格式，可以包含标头和数据，以制表符或其他分隔符分隔。

步骤二：导入必要的库

在使用本方法之前，需要导入pandas库。可以使用以下命令导入pandas：

import pandas as pd

同时，还需要导入其余的必要库，比如os库和glob库。可以使用以下命令导入os和glob：

import os
import glob

步骤三：使用glob库查找txt文件

使用glob模块可以很容易地查找指定目录下的所有.txt文件。以下是一个代码示例：

file_path = 'data/*.txt'
file_list = glob.glob(file_path)

这将查找名为'data'的目录中的所有.txt文件，并将它们存储在一个列表中。

步骤四：读取txt文件

接下来，可以使用pandas来逐个读取这些.txt文件。以下是一个代码示例：

df_list = []
for file_name in file_list:
    df = pd.read_csv(file_name, sep='\t', header=None)
    df_list.append(df)

这将逐个读取每个.txt文件，并将其存储在DataFrame中。假设这些.txt文件由制表符分隔，因此我们使用sep='\t'来指定分隔符。我们还指定header=None来指示文件没有列标题。

步骤五：合并数据

最后，可以使用concat函数将所有的DataFrame合并为一个DataFrame。以下是一个代码示例：

result_df = pd.concat(df_list, ignore_index=True)

这将合并所有DataFrame，并使用ignore_index=True来重新编制索引号。

示例

以下是一个完整示例，假设我们有以下两个.txt文件：

example1.txt

Name    Age    Gender
Alice   25     F
Bob     30     M
Charlie 35     M

example2.txt

Name    Age    Gender
David   40     M
Eva     20     F
Frank   45     M

使用上述步骤，我们可以将这些.txt文件读取为一个DataFrame：

import pandas as pd
import glob

file_path = 'data/*.txt'
file_list = glob.glob(file_path)

df_list = []
for file_name in file_list:
    df = pd.read_csv(file_name, sep='\t', header=None)
    df_list.append(df)

result_df = pd.concat(df_list, ignore_index=True)

执行完毕后，result_df将包含以下内容：

     0     1       2
0  Alice  25      F
1  Bob    30      M
2  Charlie 35    M
3  David  40      M
4  Eva    20      F
5  Frank  45      M

这就是使用Python批量读取.txt文件为DataFrame的方法。