如何用pandas合并名称以Milan结尾的多个.csv文件？

实现步骤 #

1. 导入所需库 #

需要用到pandas处理数据，os遍历文件夹内文件：

import pandas as pd
import os

2. 筛选目标CSV文件 #

遍历当前文件夹，精准筛选出文件名以Milan.csv结尾的文件：

# 获取当前文件夹路径
current_dir = os.getcwd()
# 筛选符合条件的文件
target_files = [f for f in os.listdir(current_dir) if f.endswith('Milan.csv')]

执行后target_files会自动包含file1Milan.csv、file2Milan.csv、file3Milan.csv这三个目标文件。

3. 上下拼接合并数据 #

有两种高效实现方式：

方式一：循环读取追加

初始化空DataFrame，逐个读取文件并拼接：

merged_df = pd.DataFrame()
for file in target_files:
    df = pd.read_csv(file)
    merged_df = pd.concat([merged_df, df], ignore_index=True)

ignore_index=True用于重置合并后数据的索引，避免出现重复索引问题。

方式二：批量读取后一次性拼接

先将所有目标文件读取为DataFrame列表，再统一拼接：

df_list = [pd.read_csv(file) for file in target_files]
merged_df = pd.concat(df_list, ignore_index=True)

这种方式代码更简洁，执行效率也更高。

4. 保存合并结果（可选） #

如果需要将合并后的数据导出为新CSV文件：

merged_df.to_csv('merged_Milan_files.csv', index=False)

index=False表示不将索引导出到文件中，避免生成多余列。

注意事项 #

• 确保所有目标CSV文件的列结构一致，否则合并后可能出现列错位或缺失；若列结构不同，可添加join='outer'参数保留所有列，但会产生空值。
• 如果目标文件不在当前工作目录，需将current_dir修改为对应文件夹的绝对路径。

内容的提问来源于stack exchange，提问作者Giampaolo Levorato