使用Python合并同一文件夹下含共同client_ID列的多个CSV文件

• 初始的df为空DataFrame：pd.merge关联空表和新读取的CSV数据时，没有可匹配的行记录，每次合并结果都会是空
• 关联键配置错误：你明确说明所有CSV的共同列是client_ID，但代码中merge使用的关联键是partner_id，字段不匹配会直接报错或无匹配结果
• 结果未赋值给外层变量：循环内合并的结果仅存储在临时变量df_file中，从头到尾没有修改过外层的df变量，最后输出的df仍然是最初定义的空表
• 路径拼接不严谨（非核心问题）：直接拼接路径字符串容易出现多斜杠的兼容问题，推荐用os.path.join处理路径拼接

根据你的合并需求，可选择以下两种适配方案：

场景1：多个CSV结构一致，需要纵向合并所有行（最常用的多CSV合并需求） #

如果所有CSV的列结构一致，仅需把所有文件的行汇总到同一张表，无需关联操作，直接使用pd.concat即可，执行效率更高：

import pandas as pd
import glob
import os

path = r'/folder_path/'
# 更稳妥的路径匹配方式，避免多斜杠兼容问题
allfiles = glob.glob(os.path.join(path, "*.csv"))
# 先将所有CSV读取为DataFrame存入列表，再一次性合并
df_list = []
for file in allfiles:
    df_tmp = pd.read_csv(file)
    df_list.append(df_tmp)

# 纵向拼接，ignore_index参数可重置全局行号
df = pd.concat(df_list, ignore_index=True)

场景2：每个CSV存储同一客户的不同维度数据，需要按client_ID横向关联 #

如果确实需要通过关联键横向拼接多表数据，按以下代码修改即可：

import pandas as pd
import glob
import os

path = r'/folder_path/'
allfiles = glob.glob(os.path.join(path, "*.csv"))

# 提前判断避免空文件夹报错
if len(allfiles) == 0:
    raise ValueError("目标文件夹下未找到CSV文件")

# 读取第一个文件作为初始关联基准
df = pd.read_csv(allfiles[0])

for file in allfiles[1:]:
    df_file = pd.read_csv(file)
    # 关联键改为正确的client_ID，how参数可根据需求调整为inner/left/outer
    df = pd.merge(df, df_file, on='client_ID', how='outer')

补充说明：merge的how参数可按需调整：outer保留所有文件出现过的全部client_ID，inner仅保留所有文件共有的client_ID，left仅保留第一个文件的全部client_ID。

内容的提问来源于stack exchange，提问作者afri_cola