Pandas：将多个（约 30 个）表合并在一起？

Question

所以我目前在一个文件夹中有 30 多个单独的表格，格式如下：

Name1 = pd.read_csv('Name1.txt')

姓名1：

         A    B    C    D    
type1    1    1    NaN  4
type2    2    0    NaN  2
type3    3    2.1  NaN  .2
type4    1    2    NaN  1

所以我有 30 个这样的表格，并希望得到一个看起来像这样的完整表格：

       Name1/A  Name1/B Name1/D  Name2/A Name2/B Name2/C ...... Name30/C 
type1    1        1       4       ...     ...     ...             ...         
type2    2        0       2       ...     ...     ...             ...
type3    3        2.1     .2      ...     ...     ...             ...
type4    1        2       1       ...     ...     ...             ...

我一直在尝试使用 for 循环读取数据并使用 pd.concat(...) 但它似乎没有做任何事情

我想我的主要问题之一是弄清楚我应该如何创建一个数据框来组合所有这些不同的图表，而不必为所有 30 个表执行 pd.read_csv('NameX.txt') 然后将它们全部合并一起。 我认为 for 循环将是主要的救星，但每次我尝试在 for 循环中读取它们时，它都会告诉我找不到文件。

此外，如果有帮助，我的文件以“Name1.txt”、“Name2.txt”、“Name3.txt”等命名，而且 type1 到 type4 列在每个列中都不会改变图表和值为 NaN 的列将在最终的更大表格中删除。

任何建议都会很棒！谢谢你！

Answer 1

如果您不希望仅在一个 DataFrame 中包含所有内容，您可以尝试Pandas Panel

dfs = {n:pd.read_csv('Name{}.txt'.format(n) for n in range(1,30)}
panel = pd.Panel(dfs)

更多信息，您可以查看this。

Answer 2

试试：

names = ['Name{}'.format(i) for i in xrange(1, 31)]
files = ['{}.txt'.format(n) for n in names]

df = pd.concat([pd.read_csv(f, index_col=0) for f in files],
               axis=1, keys=names)

cols = df.columns.to_series()
df.columns = cols.str.get(0).astype(str) + '/' + cols.str.get(1)

df.iloc[:, :10]