使用pandas concat合并CSV文件触发TypeError报错如何解决

pd.concat()的第一个入参必须传入可迭代的pandas对象集合（比如由多个DataFrame组成的列表），你在循环中每次只传入了单个df1 DataFrame对象，直接触发类型报错。
除此之外你的代码还有三个隐藏逻辑问题：

• 非csv文件的判断逻辑缩进错误：如果遍历到的文件不是csv格式，df1变量不会被定义，后续代码会直接报「变量不存在」的错误
• 循环内每次执行concat都会用新读入的文件覆盖之前的df结果，根本没有实现多文件累加拼接的效果，运行完只会保留最后一个读入的csv文件内容
• 直接用字符串拼接路径容易出现斜杠缺失/冗余的问题，稳定性差

import pandas as pd
import os

input_file_path = "C:/Users/laura/Downloads/excel files/"
output_file_path = "C:/Users/laura/OneDrive/Desktop/master excel/"

excel_file_list = os.listdir(input_file_path)
# 初始化空列表，存放所有读入的DataFrame
df_list = []

for excel_file in excel_file_list:
    # 只处理csv格式文件，用os.path.join拼接路径更稳定
    if excel_file.endswith('.csv'):
        file_full_path = os.path.join(input_file_path, excel_file)
        temp_df = pd.read_csv(file_full_path)
        df_list.append(temp_df)

# 一次性拼接所有DataFrame
# axis=1 是横向按列拼接（各文件作为新列并排拼接）
# 如果需要纵向按行拼接（同结构文件上下堆叠行），把axis=1改成axis=0即可
final_df = pd.concat(df_list, axis=1, ignore_index=True)

# 后续如果要导出结果可以加下面这行
# final_df.to_csv(os.path.join(output_file_path, "合并结果.csv"), index=False)

• 如果你需要的是多个同结构csv上下堆叠、合并所有行的效果，把concat的参数改成axis=0即可，这也是绝大多数批量合并同格式csv文件的常用场景，比旧版pandas的append方法运行效率更高
• 如果你确实需要把每个csv作为独立列横向并排拼接，保留代码里的axis=1即可，拼接前建议确认各文件的行顺序是匹配的，避免数据错位

内容的提问来源于stack exchange，提问作者Laura