CSV批量提取列数据，文件名对应

你在学习文章相关的知识吗？本文《如何批量提取多个CSV文件中特定列的数据并保持文件名对应？ 》，主要介绍的内容就涉及到，如果你想提升自己的开发能力，就不要错过这篇文章，大家要知道编程理论基础和实战操作都是不可或缺的哦！

高效批量处理CSV文件：提取指定列并保留文件名对应关系

本文提供一种方法，实现批量提取同一文件夹下多个CSV文件中特定列的数据，并以原文件名对应的方式保存结果。

解决方案：

此任务可借助Python的Pandas库高效完成。 Pandas的read_csv()函数用于读取CSV文件，usecols参数指定需要提取的列，to_csv()函数则用于将结果写入新文件。为了避免空格分隔符导致列合并，建议在读取时指定sep='\s+'参数。

以下代码片段演示了该过程：

import pandas as pd
import os

def extract_columns(input_dir, output_dir, column_indices):
    """
    批量提取CSV文件中指定列的数据。

    Args:
        input_dir: 输入CSV文件所在的目录。
        output_dir: 输出文件的保存目录。
        column_indices: 需要提取的列的索引列表 (从0开始)。
    """
    for filename in os.listdir(input_dir):
        if filename.endswith(".csv"):
            filepath = os.path.join(input_dir, filename)
            try:
                df = pd.read_csv(filepath, sep='\s+', usecols=column_indices, engine='python') # 使用python引擎处理复杂的空格分隔
                output_filename = os.path.join(output_dir, filename)
                df.to_csv(output_filename, index=False)
                print(f"已成功处理文件: {filename}")
            except pd.errors.EmptyDataError:
                print(f"警告: 文件 {filename} 为空，跳过。")
            except pd.errors.ParserError:
                print(f"错误: 文件 {filename} 解析失败，请检查文件格式。")


# 示例用法：提取第3列和第4列 (索引为2和3)
input_directory = "path/to/your/input/csv/files"  # 替换为你的输入目录
output_directory = "path/to/your/output/directory" # 替换为你的输出目录
extract_columns(input_directory, output_directory, [2, 3])

代码说明:

• 代码首先导入必要的库：pandas和os。
• extract_columns函数接受输入目录、输出目录和列索引列表作为参数。
• 它遍历输入目录中的所有CSV文件，使用try-except块处理可能出现的空文件或解析错误。
• engine='python'参数可以更有效地处理包含复杂空格分隔符的CSV文件。
• 最后，它将提取后的数据写入输出目录，文件名与输入文件名保持一致。

请记住将input_directory和output_directory替换为你的实际路径。 运行此代码后，你将在输出目录中找到包含指定列数据的CSV文件，并与原始文件名一一对应。

好了，本文到此结束，带大家了解了《CSV批量提取列数据，文件名对应》，希望本文对你有所帮助！关注golang学习网公众号，给大家分享更多文章知识！