如何用Python Pathlib递归遍历目录按层级统计文件扩展名频次

核心逻辑不需要大改，你之前想到的path.parent是完全正确的方向，只需要调整遍历阶段的收集逻辑，不要只存文件后缀，而是把所属目录、文件后缀、文件完整路径三个信息同时记录，后续统计、按目录处理文件都可以复用这份遍历结果，不需要重复扫盘。

提前规避两个易踩的坑 #

• 扩展名统一转小写：你给出的目录结构里Project3下是Info.txt（大写T后缀），如果不做小写转换，会被统计成.txt和.TXT两个独立扩展名，导致结果不准
• 根目录标识处理：根目录下的文件用parent.relative_to取相对路径会返回.，直接替换成可读性更好的「根目录」标识即可

可直接运行的代码 #

from pathlib import Path
from collections import Counter
import pandas as pd

dir_to_scan = Path("/Python-Pathlib-Scan-Directory")

# 遍历一次存全所有需要的信息，后续统计、文件拼接都复用这份列表
file_records = []
for file_path in dir_to_scan.rglob("*"):
    if not file_path.is_file():
        continue
    # 计算相对扫描根目录的父路径
    parent_rel_path = file_path.parent.relative_to(dir_to_scan)
    dir_label = "根目录" if str(parent_rel_path) == "." else str(parent_rel_path)
    # 扩展名统一转小写
    file_ext = file_path.suffix.lower()
    # 记录元组：(目录标识, 扩展名, 文件完整路径)
    file_records.append( (dir_label, file_ext, file_path) )

# 按(目录, 扩展名)维度统计数量
ext_count = Counter( (rec[0], rec[1]) for rec in file_records )

# 转换为DataFrame
stat_df = pd.DataFrame(
    [ (dir_name, ext, count) for (dir_name, ext), count in ext_count.items() ],
    columns=["所属目录", "扩展名", "文件数"]
).sort_values(by=["所属目录", "文件数"], ascending=[True, False]).reset_index(drop=True)

运行后输出的统计结果结构如下：

适配后续按目录拼接文件的场景 #

因为第一次遍历已经把所有文件的完整Path对象存在file_records里了，后续要做指定目录的文件拼接不需要再次遍历目录，直接筛选对应记录即可，示例：

# 示例：拼接Project1目录下所有csv文件
target_dir = "Project1"
target_ext = ".csv"
target_files = [
    rec[2] for rec in file_records
    if rec[0] == target_dir and rec[1] == target_ext
]
# 拼接成一个DataFrame
combined_csv = pd.concat( [pd.read_csv(f) for f in target_files], ignore_index=True )

可选调整项 #

• 如果需要展示目录绝对路径，把dir_label的赋值逻辑换成str(file_path.parent.resolve())即可
• 如果存在多层嵌套子目录，不需要修改代码，rglob会自动递归，dir_label会自动生成类似Project1/sub_folder的层级标识
• 如果只需要统计特定类型文件，在遍历阶段加扩展名过滤条件即可，能减少不必要的记录存储

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