使用循环修改DataFrame：批量处理年份命名的姓名统计TXT文件

不用提前修改原TXT文件，直接用Python+pandas就能搞定，给你个靠谱的实现方案：

核心思路 #

遍历所有符合命名规则的TXT文件，提取文件名里的年份，读取文件内容后给每行加上年份列，最后把所有数据合并成一个CSV。

完整代码 #

import pandas as pd
import re
import os

# 替换成你的TXT文件所在文件夹路径
folder_path = "./your_folder_path"
all_dfs = []

# 遍历文件夹里的所有文件
for file_name in os.listdir(folder_path):
    # 只处理yob开头、txt结尾的文件
    if file_name.startswith("yob") and file_name.endswith(".txt"):
        # 用正则提取文件名里的4位年份
        year_match = re.search(r"\d{4}", file_name)
        if year_match:
            year = year_match.group()
            # 读取TXT文件，指定列名（原文件没有表头）
            df = pd.read_csv(os.path.join(folder_path, file_name), names=["Name", "Sex", "Frequency"])
            # 添加Year列
            df["Year"] = year
            # 把当前文件的数据存入列表
            all_dfs.append(df)

# 合并所有数据框
final_df = pd.concat(all_dfs, ignore_index=True)
# 保存为最终CSV（index=False是不保存行号）
final_df.to_csv("combined_names.csv", index=False)

常见问题排查 #

如果之前输出不符合预期，大概率是这几个原因：

• 正则提取年份出错：比如没匹配到4位数字，或者文件名格式有差异，上面的\d{4}能精准匹配文件名里的4位年份
• 读取文件时没指定列名：原TXT没有表头，直接读会把第一行数据当成表头，导致列混乱
• 循环中没有累加数据：比如每次都覆盖了之前的DataFrame，而不是用append存入列表后再合并

内容的提问来源于stack exchange，提问作者Brock