在Python中使用熊猫垂直堆叠.csv文件

因此，我一直在尝试将.csv文件与Pandas合并，并尝试创建一些函数来实现自动化，但我一直遇到一个问题。 我的问题是，我想一个接一个地堆叠.csv（相同的列数和不同的行数），但不是用相同的列数获得更大的csv，而是用更多的列和行获得更大的csv（正确的行数，不正确的列数（比预期的列数更多））。 我使用的代码是：

import os
import pandas as pd

def stackcsv(content_folder):
    global combined_csv
    combined_csv= []
    entries = os.listdir(content_folder)
    for i in entries:
        csv_path = os.path.join(content_folder, i)
        solo_csv = pd.read_csv(csv_path,index_col=None)
        combined_csv.append(solo_csv)
   csv_final = pd.concat(combined_csv,axis = 0,ignore_index=True)
   return csv_final.to_csv("final_data.csv",index = None, header = None)

我有大小为20000x17的3.csv文件，我想将其合并为60000x17中的一个。我想我的错误一定是在index、header、index_col等参数中。。。。

---

提前感谢。

在pandas concat函数中将参数sort添加到False：

csv\u final=pd.concat（组合的\u csv，轴=0，忽略\u索引=True，排序=False）

如果文件没有标题，您必须告诉

读取\u csv

。如果没有，则每个文件的第一行将作为标题行读取。因此，数据帧具有不同的列名，

concat

将添加新列。因此，您应该阅读以下内容：

solo_csv = pd.read_csv(csv_path,index_col=None, header=None)

或者，没有理由对它们进行解码，您可以将顺序文件连接起来：

def stackcsv(content_folder):
    with open("final_data.csv", "w") as fdout
        entries = os.listdir(content_folder)
        for i in entries:
            csv_path = os.path.join(content_folder, i)
            with open(csv_path) as fdin:
                while True:
                    chunk = fdin.read()
                    if len(chunk) == 0: break
                    fdout.write(chunk)

---

因此，在修改代码后，它起了作用。首先，正如Serge Ballesta所说，有必要对

read_csv

说没有标题。最后，使用

sort=False

，该函数可以完美地工作。这是我使用的最后一段代码，final.csv是719229行×17列。谢谢大家

import os
import pandas as pd

def stackcsv(content_folder):
 global combined_csv
    combined_csv= []
    entries = os.listdir(content_folder)
    for i in entries:
        csv_path = os.path.join(content_folder, i)
        solo_csv = pd.read_csv(csv_path,index_col=None,header = None)
        combined_csv.append(solo_csv)
   csv_final = pd.concat(combined_csv,axis = 0,sort = False)
   return csv_final.to_csv("final_data.csv", header = None)

---

这些文件有标题行吗？没有，没有标题。我稍后再添加。如果输入csv文件中没有标题，则每个文件的第一行都将丢失。。。