如何使用Python Pandas批量读取并合并指定名称的CSV文件

你目前逐个读取文件的方式确实繁琐，这里给你两种高效且简洁的解决方案，完全不用手动处理每个文件：

方法一：列表推导式 + pd.concat() #

这是最直接的批量处理方式，用列表推导式一次性读取所有目标文件，再合并成一个DataFrame：

import pandas as pd

# 你的目标CSV文件列表
csv_names = ['drive_1.csv', 'drive_2.csv', 'drive_3.csv', 'drive_4.csv']

# 批量读取所有文件到DataFrame列表
df_collection = [pd.read_csv(file_path, sep=';', header=None) for file_path in csv_names]

# 合并所有DataFrame，ignore_index重置索引避免重复
merged_df = pd.concat(df_collection, ignore_index=True)

• 推荐加上ignore_index=True：它会重新生成连续的索引，避免多个文件的索引重叠导致的混乱。

方法二：用glob动态匹配+合并（更灵活） #

如果你的文件是通过文件名规则筛选的，还可以直接用glob模块自动匹配文件，省去手动生成csv_names的步骤：

import pandas as pd
from glob import glob

# 匹配所有名称包含'drive'的CSV文件（通配符*匹配任意字符）
target_files = glob('*drive*.csv')

# 读取并合并一步完成
merged_df = pd.concat(
    [pd.read_csv(file, sep=';', header=None) for file in target_files],
    ignore_index=True
)

额外小提示 #

如果后续遇到CSV文件结构不一致的情况，可以在pd.concat()中添加join='inner'参数，只保留所有文件共有的列；如果需要指定读取特定列，可以在pd.read_csv()里用usecols参数，比如usecols=[0,2,3]只读取第1、3、4列。

内容的提问来源于stack exchange，提问作者Monkey D