读取目录CSV文件合并为DataFrame时遇FileNotFoundError求助

核心原因 #

os.listdir('data/')返回的是仅文件名，不带所在目录路径。当你用pd.read_csv(filename)时，Python会在当前工作目录而非data/目录下查找文件，自然找不到目标文件。

修复方案 #

方案1：拼接完整文件路径（基础版） #

使用os.path.join()将data/目录和文件名拼接成完整路径，确保读取路径正确：

import os
import pandas as pd

# 初始化空列表存储每个CSV的DataFrame（大量文件时更高效）
df_list = []
data_dir = 'data/'

for filename in os.listdir(data_dir):
    # 只处理CSV文件，避免读取非CSV文件报错
    if filename.endswith('.csv'):
        # 拼接完整文件路径
        full_path = os.path.join(data_dir, filename)
        df = pd.read_csv(full_path)
        df_list.append(df)

# 一次性合并所有DataFrame，重置索引避免混乱
resultdf = pd.concat(df_list, ignore_index=True)

print(resultdf.head())

方案2：用pathlib实现更简洁的路径处理（Python 3.4+） #

pathlib是现代路径处理库，代码更直观简洁：

from pathlib import Path
import pandas as pd

df_list = []
data_dir = Path('data/')

# 直接遍历目录下所有CSV文件，无需手动拼接路径
for csv_file in data_dir.glob('*.csv'):
    df = pd.read_csv(csv_file)
    df_list.append(df)

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

额外优化说明 #

• 避免循环中反复合并：原代码每次循环都执行concat，大量文件时效率极低。先将所有DataFrame存入列表，最后一次性合并，能大幅提升性能。
• 过滤非CSV文件：通过后缀判断或glob匹配，避免误读目录下的其他文件导致报错。
• 重置索引：合并时添加ignore_index=True，避免原文件索引重复或混乱。

内容的提问来源于stack exchange，提问作者Optimvs