如何合并多个文本文件？及单列文件转两列与(x,y)绘图实现

嘿，针对你的两个问题，我来分享些实用的解决方案，都是日常处理这类任务时常用的方法：

这个需求太常见了，分场景给你几种简单的实现方式：

命令行快速搞定（适合不需要额外处理的情况） #

• Linux/macOS 用户：直接用cat命令就行，比如要把当前目录下所有.txt文件合并到combined.txt：

  cat *.txt > combined.txt
  

  如果需要按特定顺序合并，直接列出文件名就行：

  cat file1.txt file2.txt file3.txt > combined.txt
  

• Windows 用户：用命令提示符的copy命令，合并所有.txt文件：

  copy *.txt combined.txt
  

  指定顺序的话，就把文件名用+连起来：

  copy file1.txt+file2.txt+file3.txt combined.txt
  

脚本方式（灵活可控，适合需要额外处理的情况） #

如果需要跳过空行、给每个文件内容加个标识之类的，用Python脚本最方便：

# 可以手动指定要合并的文件列表，或者自动遍历目录
file_list = ["file1.txt", "file2.txt", "file3.txt"]
output_file = "combined.txt"

with open(output_file, "w", encoding="utf-8") as out_f:
    for file_name in file_list:
        with open(file_name, "r", encoding="utf-8") as in_f:
            # 这里可以加自定义逻辑，比如写入文件名作为分隔
            out_f.write(f"--- 来自文件：{file_name} ---\n")
            out_f.write(in_f.read())
            out_f.write("\n")  # 每个文件结束后加个空行分隔开

从你的示例来看，应该是要把多个单列文件的内容按行对应合并成多列（比如第一个文件是x轴数据，其他是不同的y轴数据），然后选任意两列绘图。分两步来实现：

第一步：合并n个单列文件为多列文件 #

用Python的pandas库可以轻松搞定，不管是2个还是n个文件都适用：

import pandas as pd

# 假设你的文件是data1.txt、data2.txt...datan.txt，放在当前目录
n = 3  # 替换成你实际的文件数量
file_list = [f"data{i}.txt" for i in range(1, n+1)]

# 读取每个文件作为一列
df_list = []
for idx, file in enumerate(file_list):
    # 读取单列数据，给每列起个名字比如col1、col2...
    df = pd.read_csv(file, header=None, names=[f"col{idx+1}"])
    df_list.append(df)

# 按行合并所有列（如果文件行数不一样，会自动用NaN补全）
combined_df = pd.concat(df_list, axis=1)

# 保存为空格分隔的文本文件，也可以换成tab分隔（sep="\t"）
combined_df.to_csv("combined_columns.txt", sep=" ", index=False, header=True)

要是不想用pandas，用基础Python代码也能实现：

n = 3  # 替换成你的文件数量
file_list = [f"data{i}.txt" for i in range(1, n+1)]
lines_collection = []

# 先把每个文件的行读进来
for file in file_list:
    with open(file, "r") as f:
        # 跳过空行，只保留有效内容
        lines = [line.strip() for line in f if line.strip()]
        lines_collection.append(lines)

# 取行数最少的文件作为基准，避免索引越界
min_line_count = min(len(lines) for lines in lines_collection)
with open("combined_columns.txt", "w") as out_f:
    # 先写表头
    out_f.write(" ".join([f"col{i+1}" for i in range(n)]) + "\n")
    # 逐行合并写入
    for i in range(min_line_count):
        row_data = [lines_collection[j][i] for j in range(n)]
        out_f.write(" ".join(row_data) + "\n")

第二步：绘制(x,y)形式的图 #

还是用pandas配合matplotlib来绘图，灵活度很高：

import pandas as pd
import matplotlib.pyplot as plt

# 读取合并后的多列文件
df = pd.read_csv("combined_columns.txt", sep=" ")

# 比如选col1作为x轴，col2作为y轴画散点图
x_axis = "col1"
y_axis = "col2"

plt.figure(figsize=(8, 6))
plt.scatter(df[x_axis], df[y_axis], label=f"{x_axis} vs {y_axis}", color="blue")
# 要是想画折线图，把scatter换成plot就行：plt.plot(df[x_axis], df[y_axis], label=...)
plt.xlabel(x_axis)
plt.ylabel(y_axis)
plt.title(f"{x_axis} vs {y_axis} 分布图")
plt.legend()
plt.grid(True)
plt.savefig("xy_scatter_plot.png")  # 保存图片到本地
plt.show()  # 弹出窗口显示图片

如果有多个y列，还能一次性画多条曲线：

x_axis = "col1"
y_axis_list = ["col2", "col3"]

plt.figure(figsize=(8, 6))
for y_axis in y_axis_list:
    plt.plot(df[x_axis], df[y_axis], label=f"{x_axis} vs {y_axis}")
plt.xlabel(x_axis)
plt.ylabel("数值")
plt.title(f"多系列对比图：{x_axis} vs 各Y系列")
plt.legend()
plt.grid(True)
plt.savefig("multi_series_plot.png")
plt.show()

内容的提问来源于stack exchange，提问作者Cashoo