如何合并同行列结构的DataFrame，提取指定城市气温时序数据？

步骤1：导入必要库 #

需要用到pandas读取文件，glob批量获取文件路径：

import pandas as pd
import glob

步骤2：获取所有CSV文件路径 #

假设所有csv文件都放在同一个文件夹（比如daily_temp_data/），用glob匹配所有.csv文件：

csv_files = glob.glob("daily_temp_data/*.csv")

步骤3：循环读取并提取目标数据 #

初始化空列表存储每日纽约温度数据，逐个读取文件后提取需要的行和列：

ny_temp_list = []

for file in csv_files:
    # 读取csv，将第一列设为行索引
    df = pd.read_csv(file, index_col=0)
    # 提取纽约的最高温和最低温，转为Series后加入列表
    ny_temp = df.loc["New York", ["Hi Temp", "Low Temp"]]
    ny_temp_list.append(ny_temp)

步骤4：合并为最终DataFrame #

把列表中的数据合并成DataFrame，并重命名列名；如果文件名包含日期（如2024-01-01.csv），还可以设置日期索引：

# 合并所有每日数据
final_df = pd.DataFrame(ny_temp_list)
# 重命名列以匹配需求格式
final_df.columns = ["New York Hi Temp", "New York Low Temp"]

# 可选：如果文件名带日期，设置日期索引
# final_df.index = pd.to_datetime([f.split("/")[-1].replace(".csv", "") for f in csv_files])

查看结果 #

打印最终DataFrame验证结构：

print(final_df)

内容的提问来源于stack exchange，提问作者Borla312