pandas合并目录下多个CSV文件时os.listdir可见却报FileNotFoundError
报错触发原因
os.listdir(path)仅返回传入目录下的纯文件名列表,不会附带文件的完整路径信息。- 你调用
pd.read_csv(f)时只传入了纯文件名,pandas默认会从当前Python进程的工作目录(也就是你启动代码时所在的文件夹)查找该文件,而非os.listdir参数指向的目标目录,因此哪怕打印文件名列表能看到data1.csv,也会因为路径不匹配触发文件不存在的报错。 - 补充:代码中使用的
DataFrame.append()方法在pandas 2.0版本后已被正式废弃,后续版本会完全移除,长期使用会遇到版本兼容问题。
修改后的可运行实现
核心优化点是补全文件的完整访问路径,同时替换废弃的合并逻辑,代码如下:
import pandas as pd import os # 替换为你实际存放CSV的目录路径 target_dir = r"你的CSV目录绝对路径,例如D:/data/csv_files" # 筛选目录下所有CSV文件,拼接生成完整可访问的文件路径 csv_file_list = [ os.path.join(target_dir, f) for f in os.listdir(target_dir) if f.lower().endswith(".csv") # 不区分大小写筛选CSV文件 ] # 批量读取文件,一次性合并为单个DataFrame df_collection = [pd.read_csv(f, delim_whitespace=True) for f in csv_file_list] merged_df = pd.concat(df_collection, ignore_index=True)
实现说明
- 用
os.path.join()拼接路径可自动适配Windows、macOS、Linux的路径分隔符,避免手写斜杠方向错误引发的路径问题。 - 相比循环内反复调用
append逐块拼接DataFrame,先收集所有读好的DataFrame、再用pd.concat一次性合并的方式内存效率更高,尤其适合批量处理大量CSV文件的场景。 - 传入
ignore_index=True会在合并后重置全局行号,避免不同来源文件自带的重复行号引发后续索引混乱。
内容的提问来源于stack exchange,提问作者Huzefa Sadikot
相关产品推荐
相关产品推荐

