多CSV文件列重命名及日期格式批量调整方法咨询

你可以使用Python的pandas库实现批量处理，操作步骤如下：

• 首先安装所需依赖
  执行命令：
  pip install pandas python-dateutil

• 编写批量处理脚本，你可以根据实际需求修改参数

import os
import pandas as pd

# 配置参数
csv_folder = "./你的CSV文件夹路径"  # 替换为你存放CSV的文件夹路径
date_col_name = "Date"  # 替换为你实际的日期列名称
# 自定义列重命名映射，key是原列名，value是新列名，不需要重命名的列可以不写
rename_dict = {
    "A": "新列名A",
    "B": "新列名B",
    "C": "新列名C"
}
# 处理后文件的保存路径，和原路径一致会覆盖原文件，建议先备份原数据后再替换
save_folder = "./处理后的CSV"
os.makedirs(save_folder, exist_ok=True)

# 遍历所有CSV文件
for filename in os.listdir(csv_folder):
    if not filename.endswith(".csv"):
        continue
    file_path = os.path.join(csv_folder, filename)
    # 读取CSV，示例文件是竖线分隔所以指定sep='|'，如果是普通逗号分隔可删除该参数
    df = pd.read_csv(file_path, sep='|', skipinitialspace=True)
    # 处理日期格式，从YYYY-MM-DD转为MM/DD/YYYY
    df[date_col_name] = pd.to_datetime(df[date_col_name]).dt.strftime("%m/%d/%Y")
    # 重命名列
    df = df.rename(columns=rename_dict)
    # 保存处理后的文件
    save_path = os.path.join(save_folder, filename)
    df.to_csv(save_path, index=False)

• 注意事项
  • 处理前请提前备份所有原始CSV文件，避免误操作导致数据丢失
  • 如果日期列的格式不统一，可在pd.to_datetime中加format="%Y-%m-%d"参数指定原始格式，提升转换效率
  • 如果不需要保留原文件，可将save_folder设置为和csv_folder一致，处理后会直接覆盖原文件

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