使用Python Pandas合并目录文件时触发FileNotFoundError求助

报错里的路径./Sales_DataSales_April_2019.csv暴露了核心问题：路径拼接时缺少目录分隔符。你直接把./Sales_Data和文件名字符串拼接，导致目录名和文件名连在了一起，系统无法定位到正确的文件位置。

方案1：使用os.path.join（跨平台兼容） #

os.path.join会根据操作系统自动添加正确的目录分隔符，避免手动拼接出错：

import os
import pandas as pd

files = [file for file in os.listdir('./Sales_Data')]
all_months_data = pd.DataFrame()

for file in files:
    # 自动拼接正确路径
    full_path = os.path.join('./Sales_Data', file)
    df = pd.read_csv(full_path)
    all_months_data = pd.concat([all_months_data, df])

all_months_data.to_csv("all_data.csv", index=False)

方案2：使用pathlib（更现代的路径处理方式） #

Python 3.4+推荐用pathlib，语法更简洁直观，还能直接筛选CSV文件：

from pathlib import Path
import pandas as pd

# 定义数据目录
data_dir = Path('./Sales_Data')
# 只获取目录下的所有CSV文件
csv_files = list(data_dir.glob('*.csv'))

# 一次性合并所有CSV，效率更高
all_months_data = pd.concat([pd.read_csv(file) for file in csv_files])

all_months_data.to_csv("all_data.csv", index=False)

• 确认./Sales_Data目录确实存在于当前脚本的运行路径下，可通过print(os.getcwd())查看当前工作目录
• 筛选CSV文件：如果Sales_Data目录里有非CSV文件，方案2的glob('*.csv')能自动过滤，方案1可以加判断：files = [file for file in os.listdir('./Sales_Data') if file.endswith('.csv')]
• 效率优化：循环中逐次concat会重复创建DataFrame，用列表推导式先读取所有文件再一次性concat，处理大量文件时速度更快

内容的提问来源于stack exchange，提问作者rgd90