如何无需解压Zip文件将其中文本文件读取到Pandas DataFrame？

直接用pd.read_csv(zip_path)只适用于Zip包中只有单个顶层文本文件的场景，你的情况是多层嵌套的多个txt文件，得用zipfile模块配合Pandas遍历读取，具体代码如下：

import zipfile
import pandas as pd

# 定义Zip文件路径和最终导出的CSV路径
zip_path = "zip1.zip"
output_csv = "combined_output.csv"

# 初始化空列表来存储每个文件的DataFrame
df_list = []

# 打开Zip包（无需解压到磁盘）
with zipfile.ZipFile(zip_path, 'r') as zf:
    # 遍历Zip中的所有文件条目
    for file_info in zf.infolist():
        # 跳过文件夹，只处理.txt文件
        if not file_info.is_dir() and file_info.filename.endswith('.txt'):
            # 打开Zip中的文件对象
            with zf.open(file_info.filename) as file:
                # 读取文本文件为DataFrame，根据实际情况调整sep（分隔符）、encoding等参数
                df = pd.read_csv(file, sep=',', encoding='utf-8')
                # 可选：添加一列记录当前文件的路径，方便溯源
                df['source_file'] = file_info.filename
                # 将当前文件的DataFrame加入列表
                df_list.append(df)

# 合并所有DataFrame
combined_df = pd.concat(df_list, ignore_index=True)

# 导出为CSV文件
combined_df.to_csv(output_csv, index=False, encoding='utf-8')

注意事项： #

• 若你的txt文件不是逗号分隔，需要修改pd.read_csv中的sep参数，比如制表符分隔用sep='\t'，空格分隔用sep='\s+'。
• 如果存在中文乱码问题，可尝试替换encoding参数为'gbk'或'utf-8-sig'。
• 如果不同txt文件的列结构不一致，pd.concat会自动补全缺失值为NaN，可根据需求提前统一列名或筛选特定列。

内容的提问来源于stack exchange，提问作者user3046211