Python遍历目录下文件、读取、千万条数据合并实例分析

这篇文章给大家介绍python遍历目录下文件、读取、千万条数据合并实例分析，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。

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

import ospath= "./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。for file in files:    print(file)    if os.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        if extension == ".txt":            print(filename+'这是一个文本文件')        elif extension == ".xlsx":            print(filename+'这是一个excel文件')    if os.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

import pandas as pdimport os path = './data'def get_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。    for file in files:        if os.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            if extension == ".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)            elif extension == ".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)            elif extension == ".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)        if os.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() def get_all_files(path):    global final_data    print("-"*20 + "函数被调用" + "-"*20)    files = os.listdir(path)    for file in files:        if os.path.isfile(path + "/" +file):            print(file+">>>>>是文件")            filename,extension=os.path.splitext(file)            # 判断是不是文本文件            if extension == ".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)            elif extension=='.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)            elif extension=='.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object                print("《《《《合并"+filename+"文件数据》》》》")                        # 判断是不是文件夹        elif os.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。

关于Python遍历目录下文件、读取、千万条数据合并实例分析就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。