从子目录中搜索 CSV 并将文件夹名称添加为一列

Question

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。组合的 csv 应该有一个列，其中包含从中读取特定 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，这是错误和有问题的。正确的方法是什么。

Answer 1

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- 如果需要父目录的完整路径，请使用 csv_file.parent.absolute()。

Answer 2

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)

Answer 3

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)

Answer 4

单线法（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)

从子目录中搜索 CSV 并将文件夹名称添加为一列

Search CSV from subdirectory and add folder name as a column

python

csv

glob

dataframe

pandas