Python 如何使用导入数据样本的文件名命名pandas DataFrame中的标记数据样本？

我正在从事一个项目，在该项目中，我将许多不同的CSV文件或工作表（我称之为工作表）导入到一个数据框中。工作表包含数百个不同人员的信息，我正在按其中一列（人员来自哪个县）组织数据框，然后将来自县A的人员的所有数据导出到新的CSV文件，与来自县B的人员相同，等等。。。我已经成功地完成了所有这些，但是我现在的问题是，我想在每个新文件中创建一个新列，其中包含所有数据样本（人员）来自的原始工作表的名称。例如，如果我已将A县的所有人员（所有原始工作表中的所有人员）导出到名为CountyA.csv的新文件中，我如何添加一个新列，给出每个人最初来自的工作表的名称

这就是我到目前为止所做的：

import pandas as pd
import glob
import os

files_path = '/Users/Desktop/Data/worksheets'
files = glob.glob(files_path + '/*.csv')

df = pd.concat((pd.read_csv(file) for file in files), ignore_index=True)

data = []
for file in files:
    CountyA = df.loc[df['County'] == 'County A']
    CountyA['Worksheet'] = os.path.basename(files)
    data.append(CountyA)
    pd.DataFrame(CountyA).to_csv('CountyA.csv')
    print(pd.DataFrame(CountyA))

当我运行此程序时，它成功地将所有工作表编译成一个数据框，搜索数据框并按县进行组织，将县A中人员的所有数据导出到名为CountyA.csv的新文件中，并在名为“工作表”的新文件中创建一个新列，在这个新列中，它实际上并没有说明每个数据点来自哪个工作表。它只是创建多个不同的新文件，在每个文件中，它只是用一个工作表的名称填充新列中的每个点，而不是显示每个数据点来自哪个工作表。我希望有人能帮助我

---

顺便说一句，我对编码非常陌生，这是我关于堆栈溢出的第一篇文章，所以如果有任何其他信息对我有帮助，请让我知道，我会尽我所能提供它！提前感谢。

根据您的描述，您的代码需要如下所示：

import pandas as pd
import glob
import os

files_path = '/Users/Desktop/Data/worksheets'
files = glob.glob(files_path + '/*.csv')
ls_temp_dfs = []
for file in files:
  temp_df =  pd.read_csv(file)
  temp_df['WorkSheet'] = os.path.basename(file)
  ls_temp_dfs.append(temp_df)
df_combined = pd.concat(ls_temp_dfs, ignore_index = True)

CountyA = df_combined.loc[df_combined['County'] == 'County A']
CountryA.to_csv('CountyA.csv')

这将确保文件名作为列添加到每个数据点。然后，如果要导出，则不需要在文件上循环。您可以简单地执行以下操作：

import pandas as pd
import glob
import os

files_path = '/Users/Desktop/Data/worksheets'
files = glob.glob(files_path + '/*.csv')
ls_temp_dfs = []
for file in files:
  temp_df =  pd.read_csv(file)
  temp_df['WorkSheet'] = os.path.basename(file)
  ls_temp_dfs.append(temp_df)
df_combined = pd.concat(ls_temp_dfs, ignore_index = True)

CountyA = df_combined.loc[df_combined['County'] == 'County A']
CountryA.to_csv('CountyA.csv')

---

根据您的描述，您的代码需要如下所示：

import pandas as pd
import glob
import os

files_path = '/Users/Desktop/Data/worksheets'
files = glob.glob(files_path + '/*.csv')
ls_temp_dfs = []
for file in files:
  temp_df =  pd.read_csv(file)
  temp_df['WorkSheet'] = os.path.basename(file)
  ls_temp_dfs.append(temp_df)
df_combined = pd.concat(ls_temp_dfs, ignore_index = True)

CountyA = df_combined.loc[df_combined['County'] == 'County A']
CountryA.to_csv('CountyA.csv')

这将确保文件名作为列添加到每个数据点。然后，如果要导出，则不需要在文件上循环。您可以简单地执行以下操作：

import pandas as pd
import glob
import os

files_path = '/Users/Desktop/Data/worksheets'
files = glob.glob(files_path + '/*.csv')
ls_temp_dfs = []
for file in files:
  temp_df =  pd.read_csv(file)
  temp_df['WorkSheet'] = os.path.basename(file)
  ls_temp_dfs.append(temp_df)
df_combined = pd.concat(ls_temp_dfs, ignore_index = True)

CountyA = df_combined.loc[df_combined['County'] == 'County A']
CountryA.to_csv('CountyA.csv')

---

这太完美了！“我无法向你表达我的谢意，哈哈，我花了整整两天的时间试图解决这个问题。”@valenwood0512我很高兴。如果这回答了你的问题，请点击复选标记接受答案好吗？这太完美了！“我无法向你表达我的谢意，哈哈，我花了整整两天的时间试图解决这个问题。”@valenwood0512我很高兴。如果回答了您的问题，请单击复选标记接受答案？