Python实现文件夹内相邻CSV文件指定列逐次相减并导出

• 先安装数据处理依赖pandas，打开命令提示符/终端执行命令：pip install pandas
• 把你所有的example*_result.csv文件放到同一个空文件夹里，后续脚本也放在这个文件夹运行
• 确保所有CSV的结构和你给出的示例一致：包含TestID、Result1、Result2、Result3四列，且TestID顺序、总行数完全相同，避免计算错位

import os
import pandas as pd

# 配置参数
target_columns = ['Result1', 'Result2', 'Result3']  # 需要计算差值的列
file_prefix = 'example'
file_suffix = '_result.csv'

# 获取当前脚本所在文件夹下所有符合命名规则的CSV文件
current_dir = os.path.dirname(os.path.abspath(__file__))
all_files = [f for f in os.listdir(current_dir) if f.startswith(file_prefix) and f.endswith(file_suffix)]

# 按文件名里的数字序号排序，避免字符串排序导致的顺序错乱
def get_file_num(filename):
    num_part = filename.replace(file_prefix, '').replace(file_suffix, '')
    return int(num_part)
all_files.sort(key=get_file_num)

# 逐对读取相邻文件计算差值
for i in range(1, len(all_files)):
    prev_file = all_files[i-1]
    curr_file = all_files[i]
    
    # 读取两个文件的数据
    df_prev = pd.read_csv(os.path.join(current_dir, prev_file))
    df_curr = pd.read_csv(os.path.join(current_dir, curr_file))
    
    # 构建结果数据框，保留TestID列
    df_res = pd.DataFrame()
    df_res['TestID'] = df_curr['TestID']
    # 逐列计算差值（当前文件值 - 前一个文件值）
    for col in target_columns:
        df_res[col] = df_curr[col] - df_prev[col]
    
    # 保存结果，第一对差值存为result1.csv，依次类推
    output_name = f'result{i}.csv'
    df_res.to_csv(os.path.join(current_dir, output_name), index=False)
    print(f'已完成计算，结果已保存为：{output_name}')

• 把上面的代码复制保存为calc_diff.py，放到存CSV的文件夹里
• 双击运行或者在终端执行python calc_diff.py即可
• 运行完成后文件夹里会生成result1.csv到result4.csv四个文件，分别对应example2-example1、example3-example2、example4-example3、example5-example4的三列差值
• 如果运行报错，优先检查所有CSV文件的列名是否拼写正确、每个文件的行数是否一致，不要有缺失的行或者多余的表头

如果你后续要增加更多example文件，不需要修改脚本，只要保持example+数字+_result.csv的命名格式，脚本会自动按序号识别计算。

内容的提问来源于stack exchange，提问作者user13112926