遍历CSV文件计算指标后生成指定格式新DataFrame的技术需求

嘿，我来帮你搞定这个需求～

咱们需要解决两个核心问题：从完整文件路径中提取纯文件名，以及将每个文件的计算结果规整成新的DataFrame。这里可以借助Python的os模块处理路径，再用列表统一收集结果后转成DataFrame，操作起来很顺畅。

修改后的完整代码 #

import glob
import pandas as pd
import os  # 导入os模块处理路径

# 获取目标文件夹下所有CSV文件的完整路径
file_paths = glob.glob(r'C:\Users\Desktop\files\*.csv')

# 初始化空列表，用来存储每个文件的计算结果
results = []

# 遍历每个文件路径
for path in file_paths:
    # 提取纯文件名（自动去掉前面的完整路径）
    file_name = os.path.basename(path)
    # 读取CSV文件（保持你原来的header=1设置）
    df = pd.read_csv(path, header=1)
    
    # 这里放你原来的数据处理逻辑，计算当前文件的avg和sum
    # 示例：假设你是对某列进行计算，替换成你实际的代码即可
    avg = df['target_column'].mean()  # 替换成你的平均值计算逻辑
    sum_val = df['target_column'].sum()  # 用sum_val避免和内置函数sum重名
    
    # 将当前文件的结果以字典形式加入列表
    results.append({
        '文件名': file_name,
        '平均值': avg,
        '求和值': sum_val
    })

# 将结果列表转换成最终的DataFrame
final_result_df = pd.DataFrame(results)
# 可以打印查看结果，或者导出成CSV
print(final_result_df)

关键细节说明 #

• 提取纯文件名：os.path.basename(path)是核心，它会自动截取路径的最后一段，比如C:\Users\Desktop\files\sales_2024.csv会直接变成sales_2024.csv，完全符合你要的只显示文件名的需求。
• 结果收集方式：用字典列表存储每个文件的信息，结构清晰，后续转DataFrame时会自动对应成列，不用手动处理列名和数据的对应关系。
• 避免命名冲突：把原来的sum变量改成sum_val，防止和Python内置的sum()函数重名，避免潜在的运行bug。

如果你的数据处理逻辑已经能正确算出avg和sum，只需要把代码中对应的计算部分替换掉就行，运行后final_result_df就是你想要的包含文件名、平均值、求和值的新DataFrame啦～

内容的提问来源于stack exchange，提问作者Shiv948