Python批量读取CSV文件并低通滤波，分存时添加表头求助

完全理解手动处理100+文件的痛苦！我帮你调整了代码，解决了之前的批量保存逻辑问题，同时实现了给结果文件添加表头的需求：

import glob
import pandas as pd
import numpy as np
from scipy import signal
import os

# 确保输出目录存在，不存在则自动创建
output_dir = "Filtered_files"
os.makedirs(output_dir, exist_ok=True)

# 匹配目标CSV文件
files = glob.glob("Angular_position_*_*.csv")

# 统一设置滤波参数
lowPassCutoffFreq = 6.0  # 截止频率
Sample_freq = 150        # 采样频率
N = 5                    # 滤波器阶数（你原代码实际用了5，注释写的2，这里统一为5，可按需修改）
Wn = lowPassCutoffFreq / (Sample_freq / 2)  # 归一化频率
b, a = signal.butter(N, Wn, btype='low', analog=False, output='ba')

for f in files:
    # 读取单个CSV文件
    df = pd.read_csv(f)
    time_col = df.iloc[:, 0]
    data_cols = df.iloc[:, 1:]
    
    # 执行双向滤波（filtfilt避免相位偏移）
    filtered_data = signal.filtfilt(b, a, data_cols.to_numpy(), axis=0)
    
    # 将滤波结果转为DataFrame，添加自定义表头
    filtered_df = pd.DataFrame(filtered_data, columns=['col1', 'col2', 'col3'])
    # 可选：把原时间列插回结果的第一列
    filtered_df.insert(0, 'time', time_col)
    
    # 生成对应输出文件名：原文件名前加Filtered_前缀，存入指定目录
    output_filename = os.path.join(output_dir, f"Filtered_{os.path.basename(f)}")
    # 保存为带表头的CSV文件
    filtered_df.to_csv(output_filename, index=False)

print("所有文件处理完成！")

关键改动说明： #

• 目录安全处理：用os.makedirs确保输出目录存在，避免保存时因目录不存在报错
• 逐个保存逻辑：循环内处理完单个文件后立即保存，输出文件名对应原文件的带前缀版本，保证每个结果独立存储
• 表头添加：通过pandas.DataFrame的columns参数直接指定表头，同时可选保留原时间列
• 路径兼容性：用os.path.join和os.path.basename处理路径，避免跨平台的路径格式问题
• 参数统一：统一了滤波器阶数的注释与实际代码，你可以根据需求把N改回2

如果你的CSV文件列数不是3列，只需要修改columns=['col1', 'col2', 'col3']为对应数量的列名即可。

内容的提问来源于stack exchange，提问作者Marty