Python读取文件夹内按数字命名CSV文件时排序异常如何解决

问题原因 #

glob返回的文件列表默认采用字符串字典序排序，对数字组成的文件名而言，10.csv的字符串优先级高于2.csv，因此会出现不符合预期的读取顺序。

修改后代码 #

import os
import glob
import pandas as pd

def csv_readout_folder(path):    
    files = glob.glob(os.path.join(path, '*.csv'))
    # 按文件名数字部分做整数排序，修复读取顺序问题
    files = sorted(files, key=lambda f: int(os.path.splitext(os.path.basename(f))[0]))
    all_data = pd.DataFrame()

    for f in files:
        data = csv_readout(path,f)
        # 新增ignore_index避免合并后索引重复
        all_data = pd.concat([all_data, data], ignore_index=True)
           
    return all_data

核心修改说明 #

• 路径拼接改用os.path.join，适配Windows、macOS、Linux等不同系统的路径格式，避免手动写/带来的兼容性问题
• 新增sorted自定义排序：提取每个csv文件的纯文件名，转为整数后作为排序依据，实现1、2、3……96的自然顺序读取
• 可选优化：pd.concat添加ignore_index=True参数，合并后自动重置行索引，避免后续数据处理时出现索引重复的异常

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