如何提取公司文件夹及对应合同文件名至Pandas DataFrame

原代码的核心问题是错误关联了文件和所属文件夹：os.walk返回的file是当前path目录下的文件，而你却把这些文件和当前目录的子文件夹subdir做了绑定，这就导致文件和所属文件夹完全不对应，还会把根目录下的无关文件（比如Untitled.ipynb）错误关联到子文件夹上。

另外，代码没有限定只处理Contracts目录，会遍历到当前工作目录下的所有子目录（包括.ipynb_checkpoints这类临时目录），这也是结果出现无关内容的原因。

方案一：修正os.walk的使用逻辑 #

我们需要遍历Contracts目录，当进入到公司子文件夹时，提取该文件夹的名称，然后将该文件夹下的所有文件与这个名称对应：

import os
import pandas as pd

# 指定Contracts目录的路径，避免依赖当前工作目录
contracts_dir = "./Contracts"

folder_names = []
contract_files = []

for root, dirs, files in os.walk(contracts_dir):
    # 只处理公司子文件夹（即Contracts的直接子目录）
    if os.path.dirname(root) == contracts_dir:
        # 获取当前公司文件夹的名称
        folder_name = os.path.basename(root)
        # 遍历该文件夹下的所有文件
        for file in files:
            folder_names.append(folder_name)
            contract_files.append(file)

df = pd.DataFrame({
    'Folder_Name': folder_names,
    'Contract': contract_files
})

如果需要遍历所有层级的子文件夹（比如公司子文件夹下还有子目录），可以去掉层级判断，直接提取当前目录的最后一级名称：

import os
import pandas as pd

contracts_dir = "./Contracts"

folder_names = []
contract_files = []

for root, dirs, files in os.walk(contracts_dir):
    # 跳过Contracts根目录本身
    if root == contracts_dir:
        continue
    # 获取当前目录的名称（最后一级）
    folder_name = os.path.basename(root)
    for file in files:
        folder_names.append(folder_name)
        contract_files.append(file)

df = pd.DataFrame({
    'Folder_Name': folder_names,
    'Contract': contract_files
})

方案二：使用pathlib（更简洁直观） #

pathlib是Python 3.4+推荐的文件路径处理库，代码可读性更强：

from pathlib import Path
import pandas as pd

contracts_dir = Path("./Contracts")

# 遍历Contracts下的所有文件（包括子目录里的）
contract_files = [f for f in contracts_dir.rglob("*") if f.is_file()]

# 提取文件所在的直接父目录名称和文件名
data = [
    (f.parent.name, f.name)
    for f in contract_files
]

df = pd.DataFrame(data, columns=['Folder_Name', 'Contract'])

如果只需要Contracts直接子文件夹中的文件，把rglob("*")换成glob("*/*")即可：

from pathlib import Path
import pandas as pd

contracts_dir = Path("./Contracts")

# 只获取Contracts直接子文件夹下的文件
contract_files = [f for f in contracts_dir.glob("*/*") if f.is_file()]

data = [
    (f.parent.name, f.name)
    for f in contract_files
]

df = pd.DataFrame(data, columns=['Folder_Name', 'Contract'])

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