如何读取文件夹中特定命名的多CSV文件，添加标签后合并？

直接上可运行的代码及关键步骤说明：

1. 导入必要依赖库 #

import pandas as pd
import os

2. 核心处理逻辑 #

先初始化空列表存储每个处理后的数据集，再通过.format()构造文件名循环读取、添加标签，最后合并输出：

# 初始化空列表，存放每个处理后的DataFrame
processed_dfs = []

# 假设文件序号从1到10，根据你的实际文件数量修改范围
for idx in range(1, 11):
    # 用.format()拼接目标文件名
    target_file = "{}.car.csv".format(idx)
    # 先检查文件是否存在，避免报错
    if os.path.exists(target_file):
        # 读取CSV文件
        df = pd.read_csv(target_file)
        # 在数据集最右侧添加新标签列，这里用文件序号作为标签值，可按需修改
        df["source_file_tag"] = f"car_file_{idx}"
        # 将处理后的数据集加入列表
        processed_dfs.append(df)
    else:
        print(f"文件 {target_file} 未找到，跳过")

# 合并所有处理后的数据集（因属性一致，直接按行合并）
merged_data = pd.concat(processed_dfs, ignore_index=True)
# 保存合并后的文件
merged_data.to_csv("merged_all_car_data.csv", index=False)

3. 适配未知文件数量的场景 #

如果不确定文件的最大序号，可以自动扫描文件夹筛选目标文件：

# 遍历当前文件夹，筛选所有以.car.csv结尾的文件
target_files = [f for f in os.listdir() if f.endswith(".car.csv")]
# 按文件名里的序号排序，确保处理顺序正确
target_files.sort(key=lambda x: int(x.split(".")[0]))

for file_name in target_files:
    df = pd.read_csv(file_name)
    # 提取文件名中的序号作为标签值
    file_idx = file_name.split(".")[0]
    df["source_file_tag"] = f"car_file_{file_idx}"
    processed_dfs.append(df)

# 合并、保存步骤同上

自定义说明 #

• 新标签列的名称（如source_file_tag）和标签值（如car_file_{idx}）可根据需求修改；
• 如果文件不在当前工作目录，需要在target_file中拼接完整路径，比如"./data/{}.car.csv".format(idx)。

内容的提问来源于stack exchange，提问作者Jacob Issac