Python：从字典元素的DataFrame提取列及多CSV公共列提取

嘿，我来帮你搞定这个需求！你已经把CSV文件都存进字典里的DataFrame了，这步做得相当到位，接下来咱们一步步实现找出共同列、提取成数组的功能。

第一步：找出所有文件共有的列标题 #

首先咱们得先确定哪些列是所有CSV文件都有的，这里用集合的交集操作最方便：

# 假设你的DataFrame字典名叫dfs（比如你循环读取时存在这个字典里）
# 先把每个DataFrame的列名转成集合，存进列表
all_col_sets = [set(df.columns) for df in dfs.values()]
# 计算所有集合的交集，得到所有文件都有的列
common_cols = set.intersection(*all_col_sets)
# 转成列表方便后续索引
common_cols = list(common_cols)

如果担心没有共同列的情况，可以加个小判断：

if not common_cols:
    print("哎呀，所有文件没有共同的列标题哦！")
else:
    print(f"找到的共同列：{common_cols}")
    # 这里继续后续操作

第二步：提取共同列数据为数组 #

接下来就可以遍历字典里的每个DataFrame，提取这些共同列的数据，转成你需要的数组（比如numpy数组）：

方式1：每个文件的共同列存为单独的数组（存在列表里）

# 存储每个文件的共同列数据数组
common_data_arrays = []
for df in dfs.values():
    # 提取共同列，转成numpy数组
    data_array = df[common_cols].to_numpy()
    common_data_arrays.append(data_array)

# 比如要查看第一个文件的共同列数组，直接取common_data_arrays[0]就行

方式2：把所有文件的共同列数据拼接成一个大数组

如果需要把所有数据合并到一起，可以用pd.concat拼接后再转数组：

# 拼接所有DataFrame的共同列，再转成numpy数组
combined_array = pd.concat([df[common_cols] for df in dfs.values()]).to_numpy()

结合你现有代码的完整示例 #

把这些逻辑整合到你已有的代码里，大概是这样：

import numpy as np
import pandas as pd

r = int(input('How many files do you want to import? '))
dfs = {}  # 用来存储每个CSV对应的DataFrame

# 循环读取文件到字典
for i in range(r):
    file_path = input(f"请输入第{i+1}个文件的路径：")
    dfs[i] = pd.read_csv(file_path)

# 找共同列
all_col_sets = [set(df.columns) for df in dfs.values()]
common_cols = set.intersection(*all_col_sets)
common_cols = list(common_cols)

if not common_cols:
    print("所有文件没有共同的列标题！")
else:
    print(f"找到的共同列：{common_cols}")
    # 提取每个文件的共同列数据为数组
    common_data_arrays = [df[common_cols].to_numpy() for df in dfs.values()]
    
    # 示例：打印第一个文件的共同列数组
    print("\n第一个文件的共同列数据：")
    print(common_data_arrays[0])

这样就能轻松完成你要的功能啦，要是有其他细节调整的需求，比如数组的格式、要不要保留列名之类的，随时改就行~

内容的提问来源于stack exchange，提问作者Blake Moss