Python遍历目录下文件、读取、千万条数据合并实例分析(python,文件,遍历,开发技术)

一、使用Python进行文件和文件夹的判断

• 递归 ：主要目的就是遍历文件夹和文件

• 对文件夹和文件进行属性判断

• 首先对文件夹进行遍历，看文件夹里有什么样的文件，读取出文件夹中的所有文件

importospath="./data"#路径files=os.listdir(path)#os.listdir()方法用于返回指定的文件夹包含的文件或文件夹的名字的列表。forfileinfiles:print(file)ifos.path.isfile(path+"/"+file):#os.path.isfile(path)判断路径是否为文件print('file'+'这是一个文件')filename,extension=os.path.splitext(file)#分割路径，返回路径名和文件扩展名的元组ifextension==".txt":print(filename+'这是一个文本文件')elifextension==".xlsx":print(filename+'这是一个excel文件')ifos.path.isdir(path+"/"+file):print(file+"是一个文件夹")

读取结果:

二、使用Python完整的获取所有文件及文件夹并读取相应的文件

在我们遍历文件夹的基础上，如何实现快速读取指定文件，提高工作效率？
只需要在上述代码的基础上，导入pandas包，read_excel_我们所需要的文件即可

importpandasaspdimportospath='./data'defget_all_files(path):print('-'*25+'函数被调用'+'-'*25)files=os.listdir(path)#os.listdir()方法用于返回指定的文件夹包含的文件或文件夹的名字的列表。forfileinfiles:ifos.path.isfile(path+"/"+file):#os.path.isfile(path)判断路径是否为文件print('file'+">>>>>是文件")filename,extension=os.path.splitext(file)#分割路径，返回路径名和文件扩展名的元组ifextension==".txt":print(filename+"#####是文本文件#####")print("读取"+filename+"文件中的内容...........")data=pd.read_table(path+'/'+file)print(data)elifextension==".xlsx":print(filename+'#####是Excel文件#####')print("读取"+filename+"文件中的内容...........")data=pd.read_excel(path+'/'+file)print(data)elifextension==".csv":print(filename+'#####是csv文件#####')print("读取"+filename+"文件中的内容...........")data=pd.read_csv(path+'/'+file)print(data)ifos.path.isdir(path+"/"+file):print(file+"￥￥￥￥￥￥￥是文件夹￥￥￥￥￥￥￥")get_all_files(path+'/'+file)get_all_files(path)

读取成功！

三、使用Python合并数据

在日常工作中我们有很多表格需要处理，如何批量的将很多个文件夹中的表格合并到一起？

重点：

DataFrame.append(*other*,*ignore_index=False*,*verify_integrity=False*,*sort=None*)

append的使用

• other: 是要添加的数据，append很不挑食，这个other可以是dataframe，dict，Seris，list等等。

• ignore_index: 参数为True时将在数据合并后，按照0，1，2，3....的顺序重新设置索引，忽略了旧索引。

• verify_integrity：参数为True时，如果合并的数据与原数据包含索引相同的行，将报错。

path='./project_data'##声明一个空的DataFrame，用来做最终的数据合并final_data=pd.DataFrame()#声明一个空的DataFrame，用来做最终的数据合并final_data=pd.DataFrame()defget_all_files(path):globalfinal_dataprint("-"*20+"函数被调用"+"-"*20)files=os.listdir(path)forfileinfiles:ifos.path.isfile(path+"/"+file):print(file+">>>>>是文件")filename,extension=os.path.splitext(file)#判断是不是文本文件ifextension==".txt":print(filename+"#####是文本文件#####")print("读取"+filename+"文件中的内容...........")data=pd.read_table(path+'/'+file)print(data)elifextension=='.xlsx':print(filename+"#####是Excel文件#####")print("读取"+filename+"文件中的内容...........")data=pd.read_excel(path+'/'+file)print(data)elifextension=='.csv':print(filename+"是csv文件，是本次需要处理的文件")#获取文件内容file_data=pd.read_csv(path+'/'+file)final_data=final_data.append(file_data,ignore_index=True)#append描述：在列表ls最后(末尾)添加一个元素objectprint("《《《《合并"+filename+"文件数据》》》》")#判断是不是文件夹elifos.path.isdir(path+'/'+file):print(file+"￥￥￥￥是文件夹￥￥￥￥￥￥")get_all_files(path+'/'+file)get_all_files(path)print("数据合并完成")

开始合并，我们来查看一下合并后的数据：

总共1000多万条数据，如果我们用Excel的话估计要很多时间将这么多表格合并，而且会很卡。