如何用Pandas动态合并多份月度网站数据CSV文件

以下是实现动态合并月度CSV文件并输出目标格式的完整步骤：

步骤1：导入依赖库 #

import pandas as pd
import glob

步骤2：获取所有CSV文件 #

你用的glob写法完全没问题，直接用即可：

all_filenames = glob.glob("*.csv")

步骤3：读取并处理每个CSV文件 #

循环遍历所有文件，从文件名中提取月份名称（去掉.csv后缀），将每个文件的Value列重命名为对应月份，同时保留URL列作为关联键：

dfs = []
for filename in all_filenames:
    # 从"January.csv"这类文件名中提取"January"作为月份名
    month_name = filename.replace(".csv", "")
    # 读取CSV文件
    df = pd.read_csv(filename)
    # 重命名Value列，避免合并时列名冲突
    df = df.rename(columns={"Value": month_name})
    dfs.append(df)

步骤4：合并所有DataFrame #

以URL为基准列，依次合并所有处理后的DataFrame：

# 以第一个DataFrame为合并起点
merged_df = dfs[0]
# 循环合并剩余的DataFrame
for df in dfs[1:]:
    # 如果所有文件的URL完全一致，用how="inner"；若存在URL缺失情况，用how="outer"保留所有URL
    merged_df = pd.merge(merged_df, df, on="URL", how="outer")

步骤5：导出合并后的CSV #

merged_df.to_csv("merged_monthly_data.csv", index=False)

完整代码整合 #

import pandas as pd
import glob

# 获取文件夹内所有CSV文件
all_filenames = glob.glob("*.csv")

# 批量读取并处理每个文件
dfs = []
for filename in all_filenames:
    month_name = filename.replace(".csv", "")
    df = pd.read_csv(filename)
    df = df.rename(columns={"Value": month_name})
    dfs.append(df)

# 合并所有月度数据
merged_df = dfs[0]
for df in dfs[1:]:
    merged_df = pd.merge(merged_df, df, on="URL", how="outer")

# 导出最终结果
merged_df.to_csv("merged_monthly_data.csv", index=False)

后续新增的月度CSV文件（比如April.csv、May.csv）只要放在同一文件夹下，运行这段代码就能自动完成合并，完全适配动态新增的需求。

内容的提问来源于stack exchange，提问作者Dave