如何以Pythonic方式合并多文件中的二维数组并添加对应标识列

要实现这个需求，我们可以利用Numpy的矢量运算特性，用简洁的Pythonic方式完成——核心思路是给每个文件的每行数据前置对应的标识列，再垂直拼接所有处理后的数组。

步骤拆解 #

1. 配对每个文件与对应的标识值（用zip同步遍历文件名列表filenames和标识列表x）；
2. 对每个文件加载数据后，生成与数据行数一致的标识列（用np.full批量创建重复值）；
3. 将标识列与原数据水平拼接（np.hstack）；
4. 最后把所有处理后的数组垂直拼接成最终结果（np.concatenate）。

完整代码实现 #

import numpy as np

# 假设你的文件列表和标识列表
filenames = ["fileA.txt", "fileB.txt"]
x = [3, 5]

# 确保标识数量与文件数量匹配，避免出错
if len(x) != len(filenames):
    raise ValueError("标识列表x的长度必须与文件数量一致")

# 高效处理并拼接：每个文件仅加载一次，节省内存
final_data = np.concatenate([
    np.hstack([np.full((data.shape[0], 1), val), data])
    for data, val in zip((np.loadtxt(f) for f in filenames), x)
])

# 若需要转为整数格式，可添加这一行
# final_data = final_data.astype(int)

# 打印结果验证
print(final_data)

结果验证 #

假设fileA.txt内容为：

1 2 3
4 5 6

fileB.txt内容为：

7 8 9
0 1 2

运行代码后，final_data的输出为：

[[3 1 2 3]
 [3 4 5 6]
 [5 7 8 9]
 [5 0 1 2]]

完全符合你期望的格式。

为什么这是Pythonic的？ #

• 用生成器表达式加载文件数据，避免一次性加载所有文件到内存（尤其适合大数据场景）；
• 用Numpy矢量操作替代Python循环，效率提升显著；
• 代码简洁易读，逻辑清晰，贴合Python"优雅简洁"的设计原则。

内容的提问来源于stack exchange，提问作者SKPS