Python 添加新列year并提取给定文件名（pandas、glob、os）

我想读取多个文件，但当我添加一个新的列year时，给出了错误消息：list对象没有属性“Split”。我想和今天一样。参考：

文件名： Shirt_2016， 2017年11月11日， 2018年鞋展， 2019年鞋展

所有文件名均采用此格式进行标准化，即项目\年

import os
import glob
import pandas
import numpy

path='/Item/'
files = glob.glob(os.path.join(path,'*.xlsx'))
data = []
for filename in files:
   df = pd.read_excel(filename,header=None)
   data.append(df)
df=pd.concat(data)

df['Year']= os.path.basename(files.split('.')[0],split['_'][1]))

---

正如

AttributeError

所示，您调用

split（）

的变量

files

是一个列表，而不是字符串

相反，在实例化每个数据帧时，请尝试在其上设置年份：

文件中文件名的

：
df=pd.read\u excel（文件名，标题=None）
#从文件名中提取年份并保存
#在连接数据之前在数据帧上。
年份=文件名。拆分（'.'）[0]，拆分['.'][1]
df[‘年’]=年
data.append（df）

Carolyn的解决方案会起作用，但这里有一个使用pandas函数str.extract的替代方法：

df['year']=df['file'].str.extract（'''ud{4}'，expand=True）

下面是代码的其余部分，以说明其工作原理：

files = [f"/Item/{f}.xlsx" for f in "Shirt_2016, Shirt_2017, Shoe_2018, Shoe_2019".split(', ')]
df = pd.DataFrame(files,columns=['file']) 

df['year']=df['file'].str.extract('_(\d{4})',expand=True)
df

顺便说一句，当读取多个文件时，创建一个列表然后单击会更快

df=pd.concat（[pd.read\u excel（f）.assign（file=f）表示文件中的f]）

分配是浪费，但读起来是干净的。更快的方法是将此读取封装到函数中，然后调用并行读取：

joblib.parallel（n_jobs=-1）（文件中f的joblib.delayed（read）（f）

其中

def read（f）：df=pd.read\u excel（f）；df['file']=f；返回df