基于dataframepython的文件排序

我想清理一个包含

csv

文件的文件夹，但数据帧之间存在差异

第一个块具有以下内容：

Province/State,Country/Region,Last Update,Confirmed,Deaths,Recovered
Anhui,Mainland China,1/22/2020 17:00,1,,
Beijing,Mainland China,1/22/2020 17:00,14,,
Chongqing,Mainland China,1/22/2020 17:00,6,,

FIPS,Admin2,Province_State,Country_Region,Last_Update,Lat,Long_,Confirmed,Deaths,Recovered,Active,Combined_Key
45001,Abbeville,South Carolina,US,2020-03-23 23:19:34,34.22333378,-82.46170658,1,0,0,0,"Abbeville, South Carolina, US"
22001,Acadia,Louisiana,US,2020-03-23 23:19:34,30.295064899999996,-92.41419698,1,0,0,0,"Acadia, Louisiana, US"
51001,Accomack,Virginia,US,2020-03-23 23:19:34,37.76707161,-75.63234615,1,0,0,0,"Accomack, Virginia, US"

第二个块具有以下内容：

Province/State,Country/Region,Last Update,Confirmed,Deaths,Recovered
Anhui,Mainland China,1/22/2020 17:00,1,,
Beijing,Mainland China,1/22/2020 17:00,14,,
Chongqing,Mainland China,1/22/2020 17:00,6,,

FIPS,Admin2,Province_State,Country_Region,Last_Update,Lat,Long_,Confirmed,Deaths,Recovered,Active,Combined_Key
45001,Abbeville,South Carolina,US,2020-03-23 23:19:34,34.22333378,-82.46170658,1,0,0,0,"Abbeville, South Carolina, US"
22001,Acadia,Louisiana,US,2020-03-23 23:19:34,30.295064899999996,-92.41419698,1,0,0,0,"Acadia, Louisiana, US"
51001,Accomack,Virginia,US,2020-03-23 23:19:34,37.76707161,-75.63234615,1,0,0,0,"Accomack, Virginia, US"

我正在尝试将它们全部清理为以下格式：

0,County,State,Country,Confirmed,Deaths,Recovered,Active,City
0,Abbeville,South Carolina,US,3,0,0,0,"Abbeville, South Carolina, US"
1,Acadia,Louisiana,US,9,1,0,0,"Acadia, Louisiana, US"
2,Accomack,Virginia,US,3,0,0,0,"Accomack, Virginia, US"

我的问题是，有没有一种方法可以根据数据帧中的差异进行排序，或者我总是需要找到文件的变化位置，然后根据这些变化进行排序

我尝试了以下方法，01-22-2020.csv是第一个参考：

from glob import glob

# files = glob('*.csv')

samples = []
references = []

ref = str(input('Enter first reference name: '))
num_ref = int(input('How many references are there? '))

all_files = glob('*.csv')
first_ref = all_files.index(ref)
ref_files = all_files[first_ref:first_ref+num_ref]

sample_files = all_files
del sample_files[first_ref:first_ref+num_ref]
del all_files

结果是：

ValueError: '01-22-2020.csv' is not in list

下面是另一种尝试：

files = glob('*.csv')
for f in files:
    df = pd.read_csv(f)
    df = df.replace(np.nan, 'Other', regex=True)
    if df.columns[0] == ['FIPS']:
        df = df.drop(['FIPS', 'Last_Update', 'Lat', 'Long_'], axis=1)
        df = df.rename(columns={'Admin2': 'County',
                                'Province_State': 'State',
                                'Country_Region': 'Country',
                                'Combined_Key': 'City'})
        df.to_csv(f)
    elif df.columns[0] != ['FIPS']:
        df = df.drop(['Last Update'], axis=1)
        df = df.rename(columns={'Province/State': 'State',
                               'Country/Region': 'Country'})
        df.to_csv(f)
    else:
        pass

其结果是：

KeyError: "['Last Update'] not found in axis"

---

我会先用Python加载文件，然后将它们分割成不同的文件。例如，根据第一个字符是否为数字

熊猫无法区分同一CSV文件中不同样式的行。

而不是

df = df.drop('Last Update')

使用

---

（请注意下划线符号

。
我认为检查第一个列名的if语句就足够了，但它似乎不行。（编辑OP以反映这一点）这是一个我正在向其中添加更多文件的文件夹，如果数据帧发生更改，我必须添加新代码并注释掉其他代码。如果df.columns[0]

，请尝试

if df.columns[0]

。

KeyError:“['Last Update']not found in axis”

现在是我的新错误。请执行

打印（df.columns）

在if语句之后，您将看到您正在使用的内容。我正在使用第一个文件，第一列为['Province/Sate']。这确实有未找到的['Last Update']。第一个子集有它作为

Last Update

，而第二个子集有它作为

Last\u Update

由

glob（'*.csv'）

返回的文件的假定顺序显然不正确-请尝试

打印（文件）

。在第一种方法中，当前目录不包含输入的文件。顺便说一句，将

str

应用于

input（）

是多余的，您可以忽略它，因为

input（）

返回一个字符串。if语句应该处理第二个子集，而elif应该处理第一个子集。在我看来，文件的顺序并不重要。如果第一列是FIPS，则执行此操作，如果不是，则执行该操作。我已经试过你的建议，结果也一样

KeyError:“['Last_Update']未在axis中找到”

对于第一种方法，为什么

sorted（glob

返回与现在相同的结果？