Python根据文件名日期匹配CSV对应Count值作为networkx标签问题

这个需求完全可以实现，核心是先把CSV的日期和Count映射关系做成查询字典，再批量解析每个文件名的日期后匹配即可，具体操作如下：

步骤1：预处理参考CSV生成映射字典 #

先读取存储日期和Count的CSV文件，统一日期格式后生成日期:Count的查询字典，避免后续重复遍历匹配：

import pandas as pd
import os
import glob

# 读取参考CSV，注意指定日期格式为日/月/年，避免pandas解析错误
ref_df = pd.read_csv('你的参考CSV文件路径.csv')
ref_df['Date'] = pd.to_datetime(ref_df['Date'], format='%d/%m/%Y')
# 转为字典，key是datetime格式的日期，value是对应Count
date_count_map = dict(zip(ref_df['Date'], ref_df['Count']))

步骤2：批量解析文件名日期并匹配Count #

不推荐用固定切片取日期，容易因为路径长度变化出错，改用字符串分割的方式提取更稳定：

path = r'你的Graphs文件夹路径' 
csv_files = glob.glob(os.path.join(path, "*.csv"))

dataframes = []
labels = []

for csv_file in csv_files:
    # 读取文件存入列表
    df = pd.read_csv(csv_file)
    dataframes.append(df)
    
    # 提取文件名里的第二个日期
    file_name = os.path.basename(csv_file)  # 拿到纯文件名，例如graph_2020-08-04_2020-08-17.csv
    date_part = file_name.split('_')[-1].replace('.csv', '')  # 分割后取最后一段，去掉后缀得到2020-08-17
    file_date = pd.to_datetime(date_part)
    
    # 匹配Count，没匹配到默认返回0，可自行修改默认值
    count = date_count_map.get(file_date, 0)
    labels.append(count)

步骤3：后续构建networkx图直接使用labels即可 #

只要你生成graphs列表的顺序和遍历csv_files的顺序保持一致，labels列表里的Count就和每个graph一一对应，直接用原有逻辑赋值即可：

# 你原有构建graphs的逻辑，确保顺序和csv_files一致
graphs = []
# 你的建图代码...

# 直接用已经生成的labels列表即可

内容的提问来源于stack exchange，提问作者Landon