Python 使用glob按特定顺序导入文件

我有一个很长的时间体验，每年都被归档在一个与今年对应的文件夹中。但是，在每个文件夹中，数据不是记录在单个文件中，而是记录在每月的文件中

e、 1954年4月、8月、12月。。。九月

当我使用Glob导入这些文件并使用Pandas创建数据帧时，它们的导入顺序相同（如上所述）。但是，相反，我需要一个正确的月份序列（1月、2月、3月…）来策划和处理他们。所以，我的问题是：

有没有办法强制Glob按特定顺序导入文件，或者使用Pandas重新排列文件

    path = r'path'
    allFiles = glob.glob(path+"/*.dtf")

    df = pd.DataFrame()
    list_ = []
    for file_ in allFiles:
      df = pd.read_csv(file_,header = None,sep=r"\s*")
      list_.append(df)
    df = pd.concat(list_)

谢谢

您可以将参数

键
与文件名一起使用：

测试数据如下所示

然后通过和创建新列。对于正确的分拣需求，请使用：

另一种解决方案是通过以下方式创建
datetime
列：

类似的解决方案是使用
月周期
：

在对列表进行排序时，可以使用一个函数充当
键

假设您的文件列表
allFiles
为（感谢@jezrael提供示例列表）：

然后将密钥定义为

d = dict(JAN=0, FEB=1, MAR=2, APR=3)

def key(path):
    y, m = path.rsplit('.', 1)[0].split('/')[-2:]
    return int(y), d[m]

在python的
sorted
函数中使用它

sorted(allFiles, key=key)

['path/1954/JAN.dtf',
 'path/1954/FEB.dtf',
 'path/1955/MAR.dtf',
 'path/1955/APR.dtf']

或者，您可以使用

allFiles.sort(key=key)


您可以在导入时使用它：

pd.concat(
    [pd.read_csv(file_,header = None,sep=r"\s*")
     for file_ in sorted(allFiles, key=key)]
)

您可以使用
排序
和月份索引作为
键
，同时在代码中获取文件名，即

import os
path = r'path'
months = ["JAN","FEB","MAR","APR","MAY","JUN","JULY","AUG","SEP","OCT","NOV","DEC"]
allfiles= sorted(glob.glob(path+"/*.dtf"), key=lambda filename: [months.index(os.path.splitext(os.path.basename(filename))[0])])

df = pd.DataFrame()
list_ = []
for file_ in allFiles:
  df = pd.read_csv(file_,header = None,sep=r"\s*")
  list_.append(df)
df = pd.concat(list_)

希望这有帮助
您需要一个包含所有数据的大的
df
？如果使用
df=pd.concat（list，keys=allFiles）
什么是
print（df.head（））
？它将创建一个带有
多索引的大型
df
，第一级应按路径。所以，下一步就是分道扬镳，分年分月。不完全是这样，耶斯雷尔。但偶尔，如果必要的话，我会非常感谢你，耶斯雷尔！非常感谢你，皮尔斯奎德！非常感谢你，巴拉斯·谢蒂！
d = dict(JAN=0, FEB=1, MAR=2, APR=3)

def key(path):
    y, m = path.rsplit('.', 1)[0].split('/')[-2:]
    return int(y), d[m]

sorted(allFiles, key=key)

['path/1954/JAN.dtf',
 'path/1954/FEB.dtf',
 'path/1955/MAR.dtf',
 'path/1955/APR.dtf']

allFiles.sort(key=key)

pd.concat(
    [pd.read_csv(file_,header = None,sep=r"\s*")
     for file_ in sorted(allFiles, key=key)]
)

import os
path = r'path'
months = ["JAN","FEB","MAR","APR","MAY","JUN","JULY","AUG","SEP","OCT","NOV","DEC"]
allfiles= sorted(glob.glob(path+"/*.dtf"), key=lambda filename: [months.index(os.path.splitext(os.path.basename(filename))[0])])

df = pd.DataFrame()
list_ = []
for file_ in allFiles:
  df = pd.read_csv(file_,header = None,sep=r"\s*")
  list_.append(df)
df = pd.concat(list_)