最近，一个师姐（医学博士）拿到一批相同表头的 CSV 文件，想要它们合并在一起。不会写代码，只能用 EXCEL 打开文件，手动粘贴复制。

但是，又遇到问题了，她的 EXCEL 非常大,有的一个都有 500MB，电脑根本打不开，所有的合并在一起将近 3G 大小。

电脑直接崩溃！然后...

找到我

image

接下来分享两招合并文件的方法！

1 通过 cat 合并文件

• 使用环境： Linux系统。其他系统没有这个命令

cat（英文全拼：concatenate）命令用于连接文件并打印到标准输出设备上。

这里的输出设备可以简单理解为 连接后的文件存储地址

• 语法格式

cat [-AbeEnstTuv] [--help] [--version] fileName

• 参数说明：
  • -n 或 --number：由 1 开始对所有输出的行数编号。
  • -b 或 --number-nonblank：和 -n 相似，只不过对于空白行不编号。
  • -s 或 --squeeze-blank：当遇到有连续两行以上的空白行，就代换为一行的空白行。
  • -v 或 --show-nonprinting：使用 ^ 和 M- 符号，除了 LFD 和 TAB 之外。
  • -E 或 --show-ends : 在每行结束处显示 $。

例1

假如有一批 csv 文件如下：

image

每个 csv 文件内容：

image

都是一样的表头，可能行数不一样。

我们需要把它合并成一个文件，使用

cat *.csv > all.csv

表示把当前目录下的所有 csv 文件 合并到 all.csv 里面

不管文件有多大，都是秒秒钟的事情！

打开 all.csv 文件看一下合并效果

image

图上可以看到，cat 也有不足，虽然合并了，但是表头却跑在了右边。

如果你觉得有影响，手动删除就可以。

2 使用 pandas 合并文件

对于无法使用第一种方法的，我们还有解决办法！

from glob import glob
import pandas as pd
files = glob('shili2/*.csv')
for idx, file in enumerate(files):
    df = pd.read_csv(file)
    df.to_csv('all2.csv', mode='a', index=False, header=None)
    # mode='a'表示附加方式写入，文件原有内容不会被清除

查看一下效果

image

同样的，每个表的表头也会被写入进来。

pandas 没有 cat 的速度快，因为 pandas 会先打开数据，再保存。如果文件过大，会影响打开保存速度。

总结：介绍了两种合并 csv 文件的方法。 但同时也可以扩展到 其他文件的合并，比如 excel, txt等。