CSV批量提取第四列去重?这份教程教你轻松搞定!
2025-03-06 08:27:15
0浏览
收藏
本文提供一个Python脚本,实现批量处理CSV文件的功能:从多个CSV文件中提取第四列数据,去除重复值,并将结果保存到新的CSV文件。该脚本利用Pandas库,高效便捷地完成任务,并包含错误处理机制,能应对空文件或解析错误。用户只需修改代码中的输入和输出文件夹路径,即可运行脚本。 该方法适用于需要对大量CSV文件进行数据清洗和提取的场景,提高了数据处理效率。

Python脚本实现批量CSV文件处理:提取第四列,去重并保存
需要批量处理多个CSV文件,提取每个文件的第四列数据,去除重复项,并将结果保存到新的CSV文件中,同时保留原始文件名? 以下Python脚本使用Pandas库高效地完成此任务。
代码:
import os
import pandas as pd
# 输入文件夹路径
input_dir = "路径/到/CSV文件/文件夹" # 请替换为您的输入文件夹路径
# 输出文件夹路径
output_dir = "路径/到/输出/文件夹" # 请替换为您的输出文件夹路径
def process_csv(input_dir, output_dir):
for filename in os.listdir(input_dir):
if filename.endswith(".csv"):
filepath = os.path.join(input_dir, filename)
try:
# 读取CSV文件,忽略表头,使用空格作为分隔符(可根据实际情况修改)
df = pd.read_csv(filepath, header=None, sep='\s+')
# 删除重复项,仅保留第四列的唯一值
df_unique = df.drop_duplicates(subset=[3])
# 提取第四列
fourth_column = df_unique[3]
# 保存到新的CSV文件
output_filepath = os.path.join(output_dir, filename)
fourth_column.to_csv(output_filepath, header=['第四列'], 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,跳过处理。")
except pd.errors.ParserError:
print(f"警告:无法解析文件{filename},跳过处理。")
if __name__ == "__main__":
process_csv(input_dir, output_dir)
print("所有文件处理完成。")
使用方法:
- 安装Pandas: 如果您还没有安装Pandas,请在终端或命令提示符中运行
pip install pandas。 - 替换路径: 将代码中的
"路径/到/CSV文件/文件夹"和"路径/到/输出/文件夹"替换为您实际的输入和输出文件夹路径。 - 运行脚本: 保存代码为
.py文件(例如process_csv.py),然后在终端或命令提示符中运行python process_csv.py。
此脚本更加健壮,包含错误处理,可以处理空文件或解析错误的文件,并提供更清晰的输出信息。 请确保您的CSV文件使用空格作为分隔符,如果不是,请修改 sep='\s+' 参数为正确的分隔符(例如 , 逗号)。
今天关于《CSV批量提取第四列去重?这份教程教你轻松搞定!》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!
CPython中文文档翻译指南:加入我们,贡献你的力量!
- 上一篇
- CPython中文文档翻译指南:加入我们,贡献你的力量!
- 下一篇
- JavaScript数组对象对比:高效判断两个对象数组是否一致
查看更多
最新文章
-
- 文章 · python教程 | 1天前 | 线程池 · Python 线程池 concurrent.futures 任务取消 Future.cancel
- Python concurrent.futures.Future.cancel 怎样判断任务能否取消
- 143浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · HTTP服务 · 多线程 · Python教程 · Python 并发请求 http.server ThreadingHTTPServer ThreadingMixIn BaseHTTPRequestHandler
- Python http.server ThreadingHTTPServer 怎样处理并发请求
- 481浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python tarfile.TarInfo.replace 怎样复制归档成员属性
- 308浏览 收藏
-
- 文章 · python教程 | 1天前 | 并发编程 · Python教程 · Python 多进程 multiprocessing forkserver 启动上下文
- Python multiprocessing forkserver 怎样处理进程启动上下文
- 232浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · 异步编程 · Python教程 · Python asyncio StreamReader readexactly IncompleteReadError 异步流
- Python asyncio.StreamReader.readexactly 怎样处理不足长度的输入
- 427浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python operator.length_hint 怎样为未知长度迭代器设置估计值
- 336浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · Python教程 · Python warnings catch_warnings simplefilter filterwarnings 警告过滤
- Python warnings context manager 怎样临时调整警告过滤
- 255浏览 收藏
-
- 文章 · python教程 | 1天前 | 调试 · python · 异步编程 · Python asyncio introspection current_task all_tasks
- Python asyncio introspection 怎样定位当前任务
- 120浏览 收藏
-
- 文章 · python教程 | 1天前 | 标准库 · Python教程 · Python 类型注解 Python 3.14 annotationlib get_annotations ForwardRef 延迟注解
- Python 3.14 annotationlib.get_annotations 怎样读取延迟注解
- 423浏览 收藏
-
- 文章 · python教程 | 1天前 |
- Python 3.14 跨解释器 Queue.put 的阻塞与 QueueFull 处理方案
- 157浏览 收藏
-
- 文章 · python教程 | 2天前 | xml · python · Python xml xml.etree.ElementTree canonicalize C14N
- Python xml.etree.ElementTree.canonicalize 怎样生成稳定的 XML 文本
- 151浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 1164次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 1150次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 1325次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 1267次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 1125次使用
查看更多
相关文章
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
