Python 如何使用read_csv或lambda读取多个文件

我正在通过

read\u csv

读取同一文本文件两次。第一次获取与该文件中的“Col6”匹配的特定字符串（MSG）的键列表。这将给我一个数据框，其中只包含与“Col6”匹配的条目。然后，第二次我读取相同的文件（再次使用

read_csv

），如果

key1==key2

，则打印更多基于“Col1”的列

我基本上有两个问题： 1.我可以将两个搜索（

read\u csv

）组合在一起吗？ 2.即使我将这两个

read_csv

分开，我如何读取多个文件？现在我只读取一个文件（

firstFile.txt

），但我想用

'*.txt'

替换文件名，以便对目录中的所有

*.txt

文件执行

读取csv

操作

数据文件如下所示。我想用

Col1=12345

打印所有行，因为

Col6

具有值

“这是一个测试”

我使用的脚本是：

import csv
import pandas as pd
import os
import glob

DL_fields1 = ['Col1', 'Col2']
DL_fields2 = ['Col1', 'Col2','Col3', 'Col4', 'Col5', 'Col6']

MSG = 'This is a test'

iter_csv = pd.read_csv('firstFile.txt', chunksize=1000, usecols=DL_fields1, skiprows=1)
df = pd.concat([chunk[chunk['Special_message'] == MSG] for chunk in iter_csv])

for i, row in df.iterrows():
    key1 = df.loc[i, 'Col1']
    j=0
    for line in pd.read_csv('firstFile.txt', chunksize=1, usecols=DL_fields2, skiprows=1, na_values={'a':'Int64'}):
        key2 = line.loc[j,'Col1']
        j = j + 1
        if (key2 == '-'):
            continue
        elif (int(key1) == int(key2)):
            print (line)

---

据我所知，您不需要读取CSV文件两次。实际上，您需要

MSG

出现在

Col6

中的所有行。实际上，你可以在一行中实现这一点-

MSG = 'This is a test'
iter_csv = pd.read_csv('firstFile.txt', chunksize=1000, usecols=DL_fields1, skiprows=1)
# this gives you all the rows where MSG occurs in Col6
df = iter_csv.loc[iter_csv['Col6'] == MSG, :]
# this gives you all the rows where 12345 in Col1
df_12345 = df.loc[iter_csv['Col1'] == 12345,]

您可以通过这种方式创建多个数据子集

---

要回答问题的第二部分，您可以循环浏览所有文本文件，如下所示-

import glob
txt_files = glob.glob("test/*.txt")
for file in txt_files:
    with open(file, 'r') as foo:
        some_df = pd.read_csv(file)

---

编辑：这是您循环文件并使用

Col1=12345

和

Col6=MSG

查找所有键的方式

import glob
from functools import reduce

results_list = []
MSG = 'This is a test'

txt_files = glob.glob("test/*.txt")
for file in txt_files:
    with open(file, 'r') as foo:
        some_df = pd.read_csv(file, chunksize=1000, usecols=DL_fields1, skiprows=1)
        df = iter_csv.loc[iter_csv['Col6'] == MSG, :]
        # results_list is a list of all such dataframes
        results_list.append(df.loc[iter_csv['Col1'] == 12345, ])

# All results in one big dataframe
result_df = reduce(lambda x,y: pd.concat([x,y]), results_list)

---

据我所知，您不需要读取CSV文件两次。实际上，您需要

MSG

出现在

Col6

中的所有行。实际上，你可以在一行中实现这一点-

MSG = 'This is a test'
iter_csv = pd.read_csv('firstFile.txt', chunksize=1000, usecols=DL_fields1, skiprows=1)
# this gives you all the rows where MSG occurs in Col6
df = iter_csv.loc[iter_csv['Col6'] == MSG, :]
# this gives you all the rows where 12345 in Col1
df_12345 = df.loc[iter_csv['Col1'] == 12345,]

您可以通过这种方式创建多个数据子集

---

要回答问题的第二部分，您可以循环浏览所有文本文件，如下所示-

import glob
txt_files = glob.glob("test/*.txt")
for file in txt_files:
    with open(file, 'r') as foo:
        some_df = pd.read_csv(file)

---

编辑：这是您循环文件并使用

Col1=12345

和

Col6=MSG

查找所有键的方式

import glob
from functools import reduce

results_list = []
MSG = 'This is a test'

txt_files = glob.glob("test/*.txt")
for file in txt_files:
    with open(file, 'r') as foo:
        some_df = pd.read_csv(file, chunksize=1000, usecols=DL_fields1, skiprows=1)
        df = iter_csv.loc[iter_csv['Col6'] == MSG, :]
        # results_list is a list of all such dataframes
        results_list.append(df.loc[iter_csv['Col1'] == 12345, ])

# All results in one big dataframe
result_df = reduce(lambda x,y: pd.concat([x,y]), results_list)

---

我认为你应该在一开始就阅读整个CSV。使用pandas操作过滤出后面需要的行。再次阅读同一个文件没有多大意义，一行一行地读。我不知道你到底在找什么，你能进一步澄清吗？我想要以下输出：12345 345 456 789 1011“这是一个测试”12345 365 856 789 1020-12345 345 456 789 1011-12345 345 456 789 1011-12345 365 856 789 1020-12345 385 956 689 1043-12345 385 556 889 1055-12345 345 456 789 1011-我认为您应该在开始时简单地阅读整个CSV。使用pandas操作过滤出后面需要的行。再次阅读同一个文件没有多大意义，一行一行地读。我不知道你到底在找什么，你能进一步澄清吗？我想要以下输出：12345 345 456 789 1011“这是一个测试”12345 365 856 789 1020-12345 345 456 789 1011-12345 345 456 789 1011-12345 365 856 789 1020-12345 385 956 689 1043-12345 385 556 889 1055-12345 345 456 789 1011-如果此解决方案适合您，请随时接受此答案。您建议的以下代码是否可以放入循环中，以便对多个文件而不是一个文件执行？我的意思是我可以用“*.txt”替换“firstFile.txt”吗？MSG='这是一个测试'iter_csv=pd.read_csv（'firstFile.txt'，chunksize=1000，usecols=DL_fields1，skiprows=1）#这提供了在Col6中出现MSG的所有行df=iter_csv.loc[iter_csv['Col6']=MSG，：]#这提供了Col1中12345=df.loc[iter_csv['Col1'=12345]的所有行如果此解决方案适合您，请随时接受此答案。您建议的以下代码是否可以放入循环中，以便对多个文件而不是一个文件执行？我的意思是我可以用“*.txt”替换“firstFile.txt”吗？MSG='这是一个测试'iter_csv=pd.read_csv（'firstFile.txt'，chunksize=1000，usecols=DL_fields1，skiprows=1）#这提供了在Col6中出现MSG的所有行df=iter_csv.loc[iter_csv['Col6']=MSG，：]#这提供了Col1中12345=df.loc[iter_csv['Col1'=12345]的所有行