如何在Python中合并200个csv文件

伙计们，我这里有200个独立的csv文件，分别从SH（1）命名为SH（200）。我想将它们合并到单个csv文件中。我该怎么做？

正如ghostdog74所说的，但是这次有标题：

fout=open("out.csv","a")
# first file:
for line in open("sh1.csv"):
    fout.write(line)
# now the rest:    
for num in range(2,201):
    f = open("sh"+str(num)+".csv")
    f.next() # skip the header
    for line in f:
         fout.write(line)
    f.close() # not really needed
fout.close()

你为什么不能sed 1d sh*.csv > merged.csv呢？

有时甚至不需要使用python！

使用公认的StackOverflow答案创建要附加的csv文件列表，然后运行以下代码：

import pandas as pd
combined_csv = pd.concat( [ pd.read_csv(f) for f in filenames ] )

如果要将其导出到单个csv文件，请使用以下命令：

combined_csv.to_csv( "combined_csv.csv", index=False )

fout=open("out.csv","a")
for num in range(1,201):
    for line in open("sh"+str(num)+".csv"):
         fout.write(line)    
fout.close()

我只是通过篮子中的另一个代码示例

from glob import glob

with open('singleDataFile.csv', 'a') as singleFile:
    for csvFile in glob('*.csv'):
        for line in open(csvFile, 'r'):
            singleFile.write(line)

这取决于您“合并”的意思-它们是否具有相同的列？他们有标头吗？例如，如果它们都具有相同的列，但没有标题，则简单的串联就足够了（打开要写入的目标文件，循环打开每个要读取的源代码，将openil.copyfileobj从开放读取源代码中使用打开写目标，关闭源，继续循环-使用该with语句代表您进行关闭）。如果它们具有相同的列和标题，则readline在打开第一个源文件以进行读取之前将其复制到目标位置之前，您需要在每个源文件上的第一个文件之外都跳过一个标题行。

如果CSV文件的列均不相同，则需要定义“合并”它们的方式（例如SQL JOIN？或“水平”，如果它们都具有相同的行数？等等） ）-在这种情况下，我们很难猜测您的意思。

如果合并的CSV将在Python中使用，则只需使用glob来获取要fileinput.input()通过files参数传递给的文件列表，然后使用csv模块一次性读取所有文件。

对上面的代码稍作更改，因为它实际上无法正常工作。

应该如下...

from glob import glob

with open('main.csv', 'a') as singleFile:
    for csv in glob('*.csv'):
        if csv == 'main.csv':
            pass
        else:
            for line in open(csv, 'r'):
                singleFile.write(line)

将目录中的所有文件合并并合并非常容易

import glob
import csv


# Open result file
with open('output.txt','wb') as fout:
    wout = csv.writer(fout,delimiter=',') 
    interesting_files = glob.glob("*.csv") 
    h = True
    for filename in interesting_files: 
        print 'Processing',filename 
        # Open and process file
        with open(filename,'rb') as fin:
            if h:
                h = False
            else:
                fin.next()#skip header
            for line in csv.reader(fin,delimiter=','):
                wout.writerow(line)

如果您使用的是linux / mac，则可以执行此操作。

from subprocess import call
script="cat *.csv>merge.csv"
call(script,shell=True)

或者，你可以做

cat sh*.csv > merged.csv

您可以导入csv，然后遍历所有CSV文件并将它们读入列表。然后将列表写回到磁盘。

import csv

rows = []

for f in (file1, file2, ...):
    reader = csv.reader(open("f", "rb"))

    for row in reader:
        rows.append(row)

writer = csv.writer(open("some.csv", "wb"))
writer.writerows("\n".join(rows))

上面的代码不是很健壮，因为它没有错误处理，也没有关闭任何打开的文件。无论单个文件中是否包含一行或多行CSV数据，这都应该起作用。我也没有运行此代码，但是它应该使您知道该怎么做。

在使@Adders以及后来由@varun改进的解决方案上，我实现了一些小的改进，也使整个合并的CSV仅带有主标头：

from glob import glob

filename = 'main.csv'

with open(filename, 'a') as singleFile:
    first_csv = True
    for csv in glob('*.csv'):
        if csv == filename:
            pass
        else:
            header = True
            for line in open(csv, 'r'):
                if first_csv and header:
                    singleFile.write(line)
                    first_csv = False
                    header = False
                elif header:
                    header = False
                else:
                    singleFile.write(line)
    singleFile.close()

最好的祝福！！！

您可以简单地使用内置csv库。即使您的某些CSV文件的列名或标题略有不同，也可以使用此解决方案，这与其他投票最多的答案不同。

import csv
import glob


filenames = [i for i in glob.glob("SH*.csv")]
header_keys = []
merged_rows = []

for filename in filenames:
    with open(filename) as f:
        reader = csv.DictReader(f)
        merged_rows.extend(list(reader))
        header_keys.extend([key for key in reader.fieldnames if key not in header_keys])

with open("combined.csv", "w") as f:
    w = csv.DictWriter(f, fieldnames=header_keys)
    w.writeheader()
    w.writerows(merged_rows)

合并的文件将包含header_keys在文件中可以找到的所有可能的列（）。文件中任何不存在的列都将呈现为空白/空白（但保留文件的其余数据）。

注意：

• 如果您的CSV文件没有标题，则此方法将无效。在这种情况下，您仍然可以使用该csv库，但是除了使用DictReader＆之外DictWriter，您还必须使用基本的reader＆writer。
• 当您处理海量数据时，这可能会出现问题，因为全部内容都存储在内存中（merged_rows列表）。

我修改了@wisty所说的可与python 3.x一起使用的功能，对于那些有编码问题的人，我也使用os模块以避免硬编码

import os 
def merge_all():
    dir = os.chdir('C:\python\data\\')
    fout = open("merged_files.csv", "ab")
    # first file:
    for line in open("file_1.csv",'rb'):
        fout.write(line)
    # now the rest:
    list = os.listdir(dir)
    number_files = len(list)
    for num in range(2, number_files):
        f = open("file_" + str(num) + ".csv", 'rb')
        f.__next__()  # skip the header
        for line in f:
            fout.write(line)
        f.close()  # not really needed
    fout.close()

这是一个脚本：

• 串联CSV文件命名SH1.csv，以SH200.csv
• 保留标题

import glob
import re

# Looking for filenames like 'SH1.csv' ... 'SH200.csv'
pattern = re.compile("^SH([1-9]|[1-9][0-9]|1[0-9][0-9]|200).csv$")
file_parts = [name for name in glob.glob('*.csv') if pattern.match(name)]

with open("file_merged.csv","wb") as file_merged:
    for (i, name) in enumerate(file_parts):
        with open(name, "rb") as file_part:
            if i != 0:
                next(file_part) # skip headers if not first file
            file_merged.write(file_part.read())

更新wisty的python3答案

fout=open("out.csv","a")
# first file:
for line in open("sh1.csv"):
    fout.write(line)
# now the rest:    
for num in range(2,201):
    f = open("sh"+str(num)+".csv")
    next(f) # skip the header
    for line in f:
         fout.write(line)
    f.close() # not really needed
fout.close()

假设您有2个这样的csv文件：

csv1.csv：

id,name
1,Armin
2,Sven

csv2.csv：

id,place,year
1,Reykjavik,2017
2,Amsterdam,2018
3,Berlin,2019

并且您希望结果像这样的csv3.csv：

id,name,place,year
1,Armin,Reykjavik,2017
2,Sven,Amsterdam,2018
3,,Berlin,2019

然后，您可以使用以下代码段执行此操作：

import csv
import pandas as pd

# the file names
f1 = "csv1.csv"
f2 = "csv2.csv"
out_f = "csv3.csv"

# read the files
df1 = pd.read_csv(f1)
df2 = pd.read_csv(f2)

# get the keys
keys1 = list(df1)
keys2 = list(df2)

# merge both files
for idx, row in df2.iterrows():
    data = df1[df1['id'] == row['id']]

    # if row with such id does not exist, add the whole row
    if data.empty:
        next_idx = len(df1)
        for key in keys2:
            df1.at[next_idx, key] = df2.at[idx, key]

    # if row with such id exists, add only the missing keys with their values
    else:
        i = int(data.index[0])
        for key in keys2:
            if key not in keys1:
                df1.at[i, key] = df2.at[idx, key]

# save the merged files
df1.to_csv(out_f, index=False, encoding='utf-8', quotechar="", quoting=csv.QUOTE_NONE)

借助循环，您可以针对多个文件（200个csv文件）获得相同的结果。

如果文件没有按顺序编号，请采用以下简便的方法：Windows计算机上的Python 3.6：

import pandas as pd
from glob import glob

interesting_files = glob("C:/temp/*.csv") # it grabs all the csv files from the directory you mention here

df_list = []
for filename in sorted(interesting_files):

df_list.append(pd.read_csv(filename))
full_df = pd.concat(df_list)

# save the final file in same/different directory:
full_df.to_csv("C:/temp/merged_pandas.csv", index=False)

易于使用的功能：

def csv_merge(destination_path, *source_paths):
'''
Merges all csv files on source_paths to destination_path.
:param destination_path: Path of a single csv file, doesn't need to exist
:param source_paths: Paths of csv files to be merged into, needs to exist
:return: None
'''
with open(destination_path,"a") as dest_file:
    with open(source_paths[0]) as src_file:
        for src_line in src_file.read():
            dest_file.write(src_line)
    source_paths.pop(0)
    for i in range(len(source_paths)):
        with open(source_paths[i]) as src_file:
            src_file.next()
            for src_line in src_file:
                 dest_file.write(src_line)

import pandas as pd
import os

df = pd.read_csv("e:\\data science\\kaggle assign\\monthly sales\\Pandas-Data-Science-Tasks-master\\SalesAnalysis\\Sales_Data\\Sales_April_2019.csv")
files = [file for file in  os.listdir("e:\\data science\\kaggle assign\\monthly sales\\Pandas-Data-Science-Tasks-master\\SalesAnalysis\\Sales_Data")
for file in files:
    print(file)

all_data = pd.DataFrame()
for file in files:
    df=pd.read_csv("e:\\data science\\kaggle assign\\monthly sales\\Pandas-Data-Science-Tasks-master\\SalesAnalysis\\Sales_Data\\"+file)
    all_data = pd.concat([all_data,df])
    all_data.head()