如何在Pandas循环中拼接DataFrame的Abs列并统计均值/中位数？

看起来你已经搭好了批量读取文件的基础框架，接下来只需要把每个文件的Abs列收集到同一个DataFrame里，再按行计算统计量就可以了。我帮你优化了代码，直接就能用：

完整代码示例 #

import pandas as pd
import glob

# 获取目标文件夹下所有排序后的CSV文件路径
file_paths = sorted(glob.glob('blanks/Day01/Batch02/*.csv'))

# 初始化结果DataFrame：先读取第一个文件的波长列作为基础
result_df = pd.read_csv(file_paths[0], skiprows=1, delimiter=',')[['Wavelength (nm)']]

# 遍历每个文件，提取Abs列并加入结果表
for file_path in file_paths:
    # 用文件名作为Abs列的名称（去掉.csv后缀，方便识别来源）
    col_name = file_path.split('/')[-1].replace('.csv', '')
    # 读取当前文件的Abs列
    df = pd.read_csv(file_path, skiprows=1, delimiter=',')
    
    # 可选：检查当前文件的波长列是否和基准一致，避免数据错位
    if not df['Wavelength (nm)'].equals(result_df['Wavelength (nm)']):
        print(f"⚠️ 警告：文件 {col_name} 的波长列与其他文件不匹配，已跳过该文件")
        continue
    
    # 将Abs列加入结果表
    result_df[col_name] = df['Abs']

# 计算统计列：均值、中位数、标准差（按行计算，对应每个波长的统计值）
result_df['Abs_Mean'] = result_df.drop('Wavelength (nm)', axis=1).mean(axis=1)
result_df['Abs_Median'] = result_df.drop('Wavelength (nm)', axis=1).median(axis=1)
result_df['Abs_Std'] = result_df.drop('Wavelength (nm)', axis=1).std(axis=1)

# 保存最终统计结果到新CSV
result_df.to_csv('blanks/Day01/Batch02/abs_statistics.csv', index=False)

关键细节说明 #

• 列命名：用文件名作为每个Abs列的名称，后续你能清楚知道每个数据来自哪个文件，排查问题更方便。
• 波长一致性检查：加了可选的检查步骤，防止因为某个文件波长错位导致统计结果出错，如果你的数据确认波长完全一致，可以删掉这段。
• 统计量计算：mean(axis=1)和median(axis=1)是按行计算，也就是针对每个波长，计算所有文件吸光度的均值/中位数，这正是实验数据分析中常用的统计方式。
• 结果保存：最终生成的CSV会包含原始所有文件的Abs列，加上你需要的均值、中位数、标准差列，方便后续分析或绘图。

如果你的数据集里有空文件或者格式异常的文件，还可以在读取时加上try-except块来捕获错误，避免程序中断。

内容的提问来源于stack exchange，提问作者PEBKAC