Pandas 向多个CSV添加带有计算的列

我对Python非常熟悉，在尝试自动化一些计算时遇到了一些问题

我知道这可以添加一个名为“返回”的新列，将当前的“值”除以csv之前的“值”：

import pandas as pd
import numpy as np
import csv
a = pd.read_csv("/Data/a_data.csv", index_col = "time")    
a ["Returns"] = (a["value"]/a["value"].shift(1) -1)*100

然而，我有很多这样的CSV。我需要在合并它们之前进行此计算。所以我希望写一些东西，在所有CSV中循环，进行计算并添加列，但显然这是不正确的，因为我得到了语法错误：

import pandas as pd
import numpy as np
import csv
a = pd.read_csv("/Data/a_data.csv", index_col = "time")
b = pd.read_csv("/Data/b_data.csv", index_col = "time")
c = pd.read_csv("/Data/c_data.csv", index_col = "time")
my_lists = ['a','b','c']

for my_list in my_lists:
    {my_list}["Returns"] = ({my_list}["close"]/{my_list}["close"].shift(1) -1)*100
    print(f"Calculating: {my_list.upper()}")

---

我确信有一种简单的方法可以做到这一点，而我在Python教育中还没有达到这一点，所以任何指导都将不胜感激

1.a、b、c数据帧的尺寸是否相同

2.您不需要导入CSV库，因为它包含在Pandas库中

3.如果要合并数据帧，可以使用如下方式：

my_lists = [a,b,c]

您可以通过以下方式连接：

result=pd.concat(my_lists)

最后，你的计算应该是：

result["Returns"]=(result.loc[:, "close"].div(result.loc[:, "close"].shift()).fillna(0).replace([np.inf, -np.inf], 0))

您需要向数据框添加索引标签选择（

loc

）功能，以便访问这些值。当数字被除时，结果可以是NaN（不是数字）或无穷大。因此，

replace

和

fillna

函数与NaN和Inf相关

假设“关闭”和“时间”是在csv文件的每个中定义的字段，您可以定义一个函数来读取每个文件、执行移位并返回数据帧：

def your_func（my_file）：#此函数将文件名作为参数。
my_df=pd.read_csv（my_file，index_col=“time”）#函数将其内容读入数据帧，
my_df[“Returns”]=（my_df[“close”]/{my_df}[“close”]）。shift（1）-1）*100进行计算
返回我的_df#，并将其作为输出返回。

然后，作为主代码，使用glob包从文件夹中收集所有csv文件。使用上述函数，您可以在计算完成后为每个文件构建一个数据框

导入全局
path=r'/Data/'#包含csv文件的目录的路径
filenames=glob.glob（path+“/*.csv”）#使用存在path+所有csv文件的glob包获取csv文件名
对于文件名中的文件名：#循环到目录中csv文件列表中的所有csv文件名
df=your_func（filename）#调用上面代码块定义的函数，该函数将文件名作为参数读取，然后进行计算并返回。
打印（df）

上面是显示结果的数据框打印；我不确定你打算用upper做什么（我不认为这是数据帧上的函数）。

---

最后，这将返回独立的数据帧，并在其他或最终转换之前进行计算。

我建议您不要将

{my_list}

放在花括号内，除非您使用的是f字符串。我想这就是造成你语法错误的原因。谢谢你，尼克。当我去掉花括号时，我得到一个回溯错误，它说：TypeError:string索引必须是整数谢谢。1.它们都有相同的列标题2。好的，谢谢。3.好的，但在我看来，你在计算之前先加入他们。计算必须在将CSV连接在一起之前进行。这就是为什么我试着做某种循环的原因。谢谢Jerome，这对学前Python课的人来说是有意义的！是的，“时间”和“结束”都是每个CSV中的列标题。我唯一不明白的是，如何将所有文件的列表提供给您建议使用的my_文件？@jrcart ode的第一块是定义一个函数，该函数采用文件名并返回数据帧。第二个块在文件名列表中包含一个“for循环”（与从特定文件夹读取所有csv文件的包glob一起收集的文件名）。基本上，文件名列表中的每个文件（文件名）都通过函数“your_func”转换成一个数据帧。让我就答案补充一些意见。我希望这会有帮助。啊，好的。谢谢你的解释。这非常有帮助，而且非常有意义。非常感谢你的帮助@Jerome！出于好奇，是否可以使用.to_csv然后用这个新版本覆盖以前的文件？nm，我回答了我自己的问题。。。我添加了以下内容，效果非常好：df.to_csv（filename，header=True，index=True）