首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

如何用python合并.csv文件?

在Python中,可以使用pandas库来合并.csv文件。下面是一个示例代码:

代码语言:txt
复制
import pandas as pd

# 读取要合并的csv文件
df1 = pd.read_csv('file1.csv')
df2 = pd.read_csv('file2.csv')

# 合并两个DataFrame
merged_df = pd.concat([df1, df2])

# 将合并后的数据保存为新的csv文件
merged_df.to_csv('merged.csv', index=False)

这段代码首先使用pandas的read_csv函数读取要合并的两个.csv文件,并存储为两个DataFrame对象df1和df2。然后使用concat函数将两个DataFrame按行合并为一个新的DataFrame merged_df。最后,使用to_csv函数将merged_df保存为新的.csv文件。

推荐的腾讯云相关产品是腾讯云对象存储 COS,它是一种海量、安全、低成本、高可靠的云端存储服务,可存储和处理大量非结构化数据。您可以使用腾讯云 COS 存储合并后的.csv文件。您可以访问以下链接获取更多关于腾讯云 COS 的详细信息:https://cloud.tencent.com/product/cos

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

  • 利用Python批量合并csv

    前几天遇到一个工作,需要将几个分别包含几十万行的csv文件的某3列合并成1个csv文件,当时是手工合并的: 1、csv另存为excel; 2、删除不需要的列,仅保留想要的列 3、excel另存为csv 4、最后,手工合并处理好的csv 不得不说,这样操作效率真的很低,尤其是操作几十万行的文件,当时就想利用python代码肯定可以实现,今天利用周末的时间好好研究了一下,终于实现了,操作几十万行的文件只需要一两分钟,比手工高效多了。 实现思路如下: 1、利用os模块获取文件下所有csv文件(表结构相同) 2、用pandas打开第一个文件; 3、循环打开剩下的文件; 4、利用pd.concat拼接不同的df,该方法可以自动去除多余的标题行; 5、挑选需要的列,去重; 6、将结果输出文csv文件; 完整代码如下:

    02
    领券