Это сработало для меня, хотя я не уверен, что он более эффективен, чем другие предложения.
rollForward <- function(x){
curr <- 0
for (i in 1:length(x)){
if (is.na(x[i])){
x[i] <- curr
}
else{
curr <- x[i]
}
}
return(x)
}
Если у вас есть одинаковые столбцы во всех файлах csv
, вы можете попробовать код ниже. Я добавил header=0
, чтобы после чтения csv
первая строка могла быть назначена как имена столбцов.
path =r'C:\DRO\DCL_rawdata_files' # use your path
allFiles = glob.glob(path + "/*.csv")
frame = pd.DataFrame()
list_ = []
for file_ in allFiles:
df = pd.read_csv(file_,index_col=None, header=0)
list_.append(df)
frame = pd.concat(list_)
Альтернатива ответам darindaCoder :
path = r'C:\DRO\DCL_rawdata_files' # use your path
all_files = glob.glob(os.path.join(path, "*.csv")) # advisable to use os.path.join as this makes concatenation OS independent
df_from_each_file = (pd.read_csv(f) for f in all_files)
concatenated_df = pd.concat(df_from_each_file, ignore_index=True)
# doesn't create a list, nor does it append to one
pd.concat(pd.read_csv(f) for f in all_files)
.
– Mike
21 June 2016 в 20:28
glob.iglob
вместо glob.glob
; Первый возвращает и итератор (вместо списка) .
– toto_tico
2 August 2017 в 12:52
import glob, os
df = pd.concat(map(pd.read_csv, glob.glob(os.path.join('', "my_files*.csv"))))
df = pd.concat(map(lambda file: pd.read_csv(file, delim_whitespace=True), data_files))
– fiedl
11 April 2018 в 14:46
Библиотека Dask может считывать данные из нескольких файлов:
>>> import dask.dataframe as dd
>>> df = dd.read_csv('data*.csv')
(Источник: http://dask.pydata.org/en/latest/examples/dataframe-csv. html )
Dataframes Dask реализует подмножество API-интерфейсов данных Pandas. Если все данные вписываются в память, вы можете вызвать df.compute()
, чтобы преобразовать данные в рамку данных Pandas.
Если несколько файлов csv заархивированы, вы можете использовать zip-файл для чтения всех и конкатенации, как показано ниже:
import zipfile
import numpy as np
import pandas as pd
ziptrain = zipfile.ZipFile('yourpath/yourfile.zip')
train=[]
for f in range(0,len(ziptrain.namelist())):
if (f == 0):
train = pd.read_csv(ziptrain.open(ziptrain.namelist()[f]))
else:
my_df = pd.read_csv(ziptrain.open(ziptrain.namelist()[f]))
train = (pd.DataFrame(np.concatenate((train,my_df),axis=0),
columns=list(my_df.columns.values)))
filepaths = ['data/d1.csv', 'data/d2.csv','data/d3.csv','data/d4.csv']
df = pd.concat(map(pd.read_csv, filepaths))
Изменить: я googled мой путь в https://stackoverflow.com/a/21232849/186078 . Однако в последнее время я нахожу быстрее выполнять любые манипуляции с помощью numpy, а затем назначая его один раз в dataframe, а не манипулируя самим фреймворком на итеративной основе, и, похоже, он тоже работает в этом решении.
искренне хочу, чтобы кто-то нажал эту страницу, чтобы рассмотреть этот подход, но не хочу прикладывать эту огромную часть кода в качестве комментария и сделать его менее читаемым.
Вы можете использовать numpy, чтобы действительно ускорить конкатенацию файловой системы.
import os
import glob
import pandas as pd
import numpy as np
path = "my_dir_full_path"
allFiles = glob.glob(os.path.join(path,"*.csv"))
np_array_list = []
for file_ in allFiles:
df = pd.read_csv(file_,index_col=None, header=0)
np_array_list.append(df.as_matrix())
comb_np_array = np.vstack(np_array_list)
big_frame = pd.DataFrame(comb_np_array)
big_frame.columns = ["col1","col2"....]
Статистика синхронизации:
total files :192
avg lines per file :8492
--approach 1 without numpy -- 8.248656988143921 seconds ---
total records old :1630571
--approach 2 with numpy -- 2.289292573928833 seconds ---
allfiles
, должен быть allFiles
– Ted Taylor of Life
13 July 2017 в 18:36
Если вы хотите искать рекурсивно ( Python 3.5 или выше ), вы можете сделать следующее:
import glob, os
import pandas as pd
path = r'C:\user\your\path\**'
all_rec = glob.iglob(os.path.join(path, "*.csv"), recursive=True)
dataframes = (pd.read_csv(f) for f in all_rec)
big_dataframe = pd.concat(dataframes, ignore_index=True)
Вы можете найти документацию **
здесь . Кроме того, я использовал iglob
вместо glob
, поскольку он возвращает итератор вместо списка.
frame = pd.DataFrame()
? – FooBar 17 September 2014 в 16:03df = pd.concat((pd.read_csv(f) for f in all_files))
Кроме того, следует использоватьos.path.join(path, "*.csv")
вместоpath + "/*.csv"
, что делает его независимым от ОС. – Sid 23 January 2016 в 01:41pandas.read_csv(f).assign(filename = foo)
внутри генератора.assign
вернет весь фрейм данных, включая новый столбецfilename
– C8H10N4O2 4 April 2017 в 20:50