Python遍历目录下文件、读取、千万条数据合并详情_开发_开发者

一、使用Python进行文件和文件夹的判断

递归：主要目的就是遍历文件夹和文件
对文件夹和文件进行属性判断
首先对文件夹进行遍历，看文件夹里有什么样的文件，读取出文件夹中的所有文件

import os
path= "./data" #路径
files = os.listdir(path)
#os.listdir() 方法用于返回指定的文件夹包含的文件或文件夹的名字的列表。
for file in files:
  print(file)
  if os.path.isfile(path+ "/"+file):
    #os.path.isfile(path) 判断路径是否为文件
    print('file'+'这是一个文件')
    filename,extension = os.path.splitext(file)
    #分割路径，返回路径名和文件扩展名的元组
    if extension == ".txt":
      print(filename+'这是一个文本文件')
    elif extension == ".xlsx":
      print(filename+'这是一个excel文件')
  if os.path.isdir(path + "/" +file):
    print(file+"是一个文件夹")

读取结果:

Python遍历目录下文件、读取、千万条数据合并详情

二、使用Python完整的获取所有文件及文件夹并读取相应的文件

在我们遍历文件夹的基编程客栈础上，如何实现快速读取指定文件，提高工作效率？

只需要在上述代码的基础上，导入pandas包，read_excel_我们所需要的文件即可

import pandas as pd
import os
path = './data'
def get_all_files(path):
  print('-'*25+'函数被调用'+'-'*25)
  files = os.listdir(path)
#os.listdir() 方法用于返回指定的文件夹包含的文件或文件夹的名字的列表。
  for file in files:
    if os.path.isfile(path+ "/"+file):
      #os.path.isfile(path) 判断路径是否为文件
      print('file'+">>>>>是文件")
      filename,extension = os.path.splitext(file)
      #分割路径，返回路径名和文件扩展名的元组
      if extension == ".txt":
        print(filename+"#####是文本文件#####")
        print("读取"+filename+"文件中的内容...........")
        data = pd.read_table(path+'/'+file)
        print(data)
      elif extension == ".xlsx":
        print(filename+'#####是Excel文件#####')
        print("读取"+filename+"文件中的内容...........")
        data = pd.read_excel(path+'/'+file)
        print(data)
      elif extension == ".csv":
        print(filename+'#####是csv文件#####')
        print("读取"+filename+"文件中的内容...........")
        data = pd.read_csv(path+'/'+file)
        print(data)
    if os.path.isdir(path + "/" +file):
      print(file+"￥￥￥￥￥￥￥是文件夹￥￥￥￥￥￥￥")
      get_all_files(path+'/'+file)
get_all_files(path)

Python遍历目录下文件、读取、千万条数据合并详情

读取成功！

三、使用Python合并数据GBMxICeAj

在日常工作中我们有很多表格需要处理，如何批量的将很多个文件夹中的表格合并到一起？

重点：

DataFrame.append(*other*, *ignore_index=False*, *verify_integrity=False*, *sort=None*)

append的使用

other: 是要添加的数据，append很不挑食，这个other可以是dataframe，dict，Seris，list等等。
ignore_index: 参数为True时将在数据合并后，按照0，1，2，3....的顺序重新设置索引，忽略了旧索引。
verify_integrity：参数为True时，如果合并的数据与原数据包含索引相同的行，将报错。

path='./project_data'
## 声明一个空的DataFrame，用来做最终的数据合并
final_data = pd.DataFrame()
# 声明一个空的DataFrame，用来做最终的数据合并
final_data = pd.DataFrame()

def get_all_files(path):
  global final_data
  print("-"*20 + "函数被调用" + "-"*20)
  files = os.listdir(path)
  for file in files:
    if os.path.isfile(path + "/" +file):
      print(file+">>>>>是文件")
      filename,extension=os.pathGBMxICeAj.splitext(file)
      # 判断是不是文本文件
      if extension == ".txt" :
        print(filename+"#####是文本文件#####")
        print("读取"+filename+"文件中的内容...........")
        data = pd.read_table(path+'/' +file)
        print(data)
      elif extension=='.xlsx':
        print(filename+"#####是Excel文件#####")
        print("读取"+filename+"文件中的内容...........")
        data = pd.read_excel(path+'/' +file)
        print(data)
      elif extension=='.csv':
        print(filename + "是csv文件，是本次需要处理的文件")
        # 获取文件内容
        file_data = pd.read_csv(path +'/'+file)
        final_data = final_data.append(file_data,ignore_index=True)
        #append描述：在列表ls最后(末尾)添加一个元素obwww.cppcns.comject
        print("《《《《合并"+filename+"文件数据》》》》")
       
    # 判断是不是文件夹
    elif os.path.isdir(path+'/'+file):
      print(file + "￥￥￥￥是文件夹￥￥￥￥￥￥")
      get_all_files(path + '/' + file)
get_all_files(path)
print("数据合并完成")

Python遍历目录下文件、读取、千万条数据合并详情