200個のcsvファイルをPython
皆さん、ここにはSH（1）からSH（200）までの名前の200個のcsvファイルがあります。それらを単一のcsvファイルにマージしたいと思います。どうすればいいですか？
Ghostdog74が言ったように、今回はヘッダー付き：
fout=open("out.csv","a")
# first file:
for line in open("sh1.csv"):
fout.write(line)
# now the rest:
for num in range(2,201):
f = open("sh"+str(num)+".csv")
f.next() # skip the header
for line in f:
fout.write(line)
f.close() # not really needed
fout.close()
どうしてsed 1d sh*.csv > merged.csv？
時にはPythonを使用する必要さえありません！
受け入れられたStackOverflow answer を使用して、追加するcsvファイルのリストを作成し、次のコードを実行します。
import pandas as pd
combined_csv = pd.concat( [ pd.read_csv(f) for f in filenames ] )
また、単一のcsvファイルにエクスポートする場合は、これを使用します。
combined_csv.to_csv( "combined_csv.csv", index=False )
fout=open("out.csv","a")
for num in range(1,201):
for line in open("sh"+str(num)+".csv"):
fout.write(line)
fout.close()
バスケットにある別のコード例を見てみましょう
from glob import glob
with open('singleDataFile.csv', 'a') as singleFile:
for csvFile in glob('*.csv'):
for line in open(csvFile, 'r'):
singleFile.write(line)
「マージ」の意味によって異なります。同じ列がありますか？ヘッダーはありますか？たとえば、すべて同じ列があり、ヘッダーがない場合、単純な連結で十分です（書き込み用に宛先ファイルを開き、読み取り用にそれぞれを開くソースをループし、open shutil.copyfileobj を使用します） -for-reading source to open-for-write destination、close the source、looping-withステートメントを使用して、ユーザーに代わってクロージングを行います）。それらに同じ列があり、ヘッダーもある場合、ヘッダー行をスキップするために、宛先にコピーする前に読み取り用に開いた後、最初を除く各ソースファイルにreadlineが必要です。
CSVファイルがすべて同じ列を持たない場合、どのような意味でそれらを「マージ」するかを定義する必要があります（SQL JOINのように、またはすべてが同じ行数の場合は「水平に」などなど） ）-その場合の意味を推測するのは困難です。
マージされたCSVをPythonで使用する場合、単に glob を使用して、渡すファイルのリストを取得します fileinput.input()files引数を介して、 csv モジュールを使用してすべてを一度に読み取ります。
実際には正しく動作しないため、上記のコードにわずかな変更を加えました。
次のようになります...
from glob import glob
with open('main.csv', 'a') as singleFile:
for csv in glob('*.csv'):
if csv == 'main.csv':
pass
else:
for line in open(csv, 'r'):
singleFile.write(line)
ディレクトリ内のすべてのファイルを非常に簡単に結合してマージする
import glob
import csv
# Open result file
with open('output.txt','wb') as fout:
wout = csv.writer(fout,delimiter=',')
interesting_files = glob.glob("*.csv")
h = True
for filename in interesting_files:
print 'Processing',filename
# Open and process file
with open(filename,'rb') as fin:
if h:
h = False
else:
fin.next()#skip header
for line in csv.reader(fin,delimiter=','):
wout.writerow(line)
Linux/macで作業している場合、これを行うことができます。
from subprocess import call
script="cat *.csv>merge.csv"
call(script,Shell=True)
Csvをインポートし、すべてのCSVファイルをループ処理してそれらをリストに読み込むことができます。次に、リストをディスクに書き戻します。
import csv
rows = []
for f in (file1, file2, ...):
reader = csv.reader(open("f", "rb"))
for row in reader:
rows.append(row)
writer = csv.writer(open("some.csv", "wb"))
writer.writerows("\n".join(rows))
上記はエラー処理も開いているファイルも閉じないため、あまり堅牢ではありません。これは、個々のファイルにCSVデータの1つ以上の行があるかどうかに関係なく機能するはずです。また、私はこのコードを実行しませんでしたが、それはあなたに何をすべきかのアイデアを与えるはずです。
Python3のwistyの答えを更新する
fout=open("out.csv","a")
# first file:
for line in open("sh1.csv"):
fout.write(line)
# now the rest:
for num in range(2,201):
f = open("sh"+str(num)+".csv")
next(f) # skip the header
for line in f:
fout.write(line)
f.close() # not really needed
fout.close()
スクリプトは次のとおりです。
SH1.csvという名前のcsvファイルをSH200.csvに連結する- ヘッダーを保持する
import glob
import re
# Looking for filenames like 'SH1.csv' ... 'SH200.csv'
pattern = re.compile("^SH([1-9]|[1-9][0-9]|1[0-9][0-9]|200).csv$")
file_parts = [name for name in glob.glob('*.csv') if pattern.match(name)]
with open("file_merged.csv","wb") as file_merged:
for (i, name) in enumerate(file_parts):
with open(name, "rb") as file_part:
if i != 0:
next(file_part) # skip headers if not first file
file_merged.write(file_part.read())
または、あなたはただすることができます
cat sh*.csv > merged.csv
@wistyがpython 3.xで動作すると言ったことを変更しました。エンコードの問題がある人のために、ハードコーディングを避けるためにosモジュールを使用します
import os
def merge_all():
dir = os.chdir('C:\python\data\\')
fout = open("merged_files.csv", "ab")
# first file:
for line in open("file_1.csv",'rb'):
fout.write(line)
# now the rest:
list = os.listdir(dir)
number_files = len(list)
for num in range(2, number_files):
f = open("file_" + str(num) + ".csv", 'rb')
f.__next__() # skip the header
for line in f:
fout.write(line)
f.close() # not really needed
fout.close()
ファイルに順番に番号が付けられていない場合は、以下の手間のかからない方法を使用してください：Python 3.6：
import pandas as pd
from glob import glob
interesting_files = glob("C:/temp/*.csv") # it grabs all the csv files from the directory you mention here
df_list = []
for filename in sorted(interesting_files):
df_list.append(pd.read_csv(filename))
full_df = pd.concat(df_list)
# save the final file in same/different directory:
full_df.to_csv("C:/temp/merged_pandas.csv", index=False)
次のような2つのcsvファイルがあるとします。
csv1.csv：
id,name
1,Armin
2,Sven
csv2.csv：
id,place,year
1,Reykjavik,2017
2,Amsterdam,2018
3,Berlin,2019
そして、あなたはこのcsv3.csvのような結果にしたい：
id,name,place,year
1,Armin,Reykjavik,2017
2,Sven,Amsterdam,2018
3,,Berlin,2019
その後、次のスニペットを使用してそれを行うことができます。
import csv
import pandas as pd
# the file names
f1 = "csv1.csv"
f2 = "csv2.csv"
out_f = "csv3.csv"
# read the files
df1 = pd.read_csv(f1)
df2 = pd.read_csv(f2)
# get the keys
keys1 = list(df1)
keys2 = list(df2)
# merge both files
for idx, row in df2.iterrows():
data = df1[df1['id'] == row['id']]
# if row with such id does not exist, add the whole row
if data.empty:
next_idx = len(df1)
for key in keys2:
df1.at[next_idx, key] = df2.at[idx, key]
# if row with such id exists, add only the missing keys with their values
else:
i = int(data.index[0])
for key in keys2:
if key not in keys1:
df1.at[i, key] = df2.at[idx, key]
# save the merged files
df1.to_csv(out_f, index=False, encoding='utf-8', quotechar="", quoting=csv.QUOTE_NONE)
ループを使用すると、複数のファイルに対して同じ結果を得ることができます（200 csvファイル）。