嘿，你已经搞定了最麻烦的一步——收集所有CSV文件的路径！接下来咱们就把这些文件里的数据（跳过表头）合并成一个新的CSV，我给你两种方法，你可以选适合自己的：

方法一：用Python标准库csv（无需额外安装） #

这种方法用Python自带的模块，不需要装第三方库，适合不想折腾环境的情况：

首先导入需要的库：

import os
import csv

然后编写合并逻辑：

# 定义输出文件的路径，你可以改成自己想要的位置和文件名
output_file = "merged_gps_data.csv"
# 标记是否已经写入过表头，避免重复写入
header_written = False

# 打开输出文件准备写入
with open(output_file, 'w', newline='', encoding='utf-8') as out_csv:
    writer = csv.writer(out_csv)
    
    # 遍历每个CSV文件路径
    for file_path in file_list:
        # 打开当前CSV文件
        with open(file_path, 'r', encoding='utf-8') as in_csv:
            reader = csv.reader(in_csv)
            
            # 跳过当前文件的表头行，同时把表头存下来
            current_header = next(reader)
            
            # 只有第一个文件需要写入表头到输出文件
            if not header_written:
                writer.writerow(current_header)
                header_written = True
            
            # 把当前文件的所有数据行（跳过表头后的）写入输出文件
            for row in reader:
                writer.writerow(row)

代码说明： #

• newline=''：解决Windows系统下写入CSV时出现多余空行的问题
• encoding='utf-8'：确保文件中的中文、特殊字符不会乱码，如果你的CSV是GBK编码，改成encoding='gbk'就行
• next(reader)：专门用来跳过每个文件的第一行（表头），同时获取表头内容，只在第一个文件时写入输出文件，保证合并后的CSV只有一份表头

方法二：用pandas（更简洁高效） #

如果你经常处理数据，推荐用pandas，代码更短，处理大文件也更顺手。先确保你已经安装了pandas：

pip install pandas

然后用几行代码就能搞定：

import pandas as pd

# 读取所有CSV文件，自动跳过表头（header=0表示第一行是表头）
all_data_frames = [pd.read_csv(file_path, header=0) for file_path in file_list]

# 合并所有数据，重置行索引避免重复
merged_data = pd.concat(all_data_frames, ignore_index=True)

# 保存合并后的文件，index=False表示不写入行序号
merged_data.to_csv("merged_gps_data.csv", index=False, encoding='utf-8')

代码说明： #

• pd.read_csv(file_path, header=0)：自动识别每个CSV的第一行为表头，读取后续内容为数据
• pd.concat()：把所有读取到的数据表合并成一个大表
• ignore_index=True：合并后重新生成行号，避免不同文件的行号重复
• to_csv(..., index=False)：保存时不把行号写入CSV，保持文件整洁

注意事项： #

• 请确保所有CSV文件的表头结构完全一致，比如列名、列数都相同，不然合并后会出现列错位或者缺失的情况
• 如果某个文件没有表头，或者表头格式不一样，你需要单独处理这个文件（比如手动指定表头）

内容的提问来源于stack exchange，提问作者kels