如何从路径字符串中获取文件夹名称并将其添加到熊猫数据框中的新列？

Question

我想从 tar.gz 文件中读取文件夹的名称，并创建包含名称的列。

我正在使用此代码：

file_path = r"C:\Users\filename.tar.gz"
start_with = './mainfolder/'

import tarfile
import re
with tarfile.open(file_path, "r:*") as tar:
    csv_path = tar.getnames()
    csv_path = list(n for n in tar.getnames() if (n.endswith('.csv')) & (n.startswith(start_with)))
    df = pd.DataFrame()

    csv_list = []

    for file in csv_path:
        df_temp = pd.read_csv(tar.extractfile(file))
        csv_list.append(df_temp)

    df = pd.concat(csv_list)

在主文件夹中有几个有名字的文件夹。 从文件夹“X”（例如）读取 csv 文件后，应在此 csv 文件中创建“FolderName”列，并且必须包含所有行的文件夹名称（“X”）。 对于每个 csv 文件也是如此。

路径字符串示例：./mainfolder/1001_name 或 ./mainfolder/1002_some_name

Answer 1

在以下行之后：

df_temp = pd.read_csv(tar.extractfile(file))

您可以使用os.path.dirname() 方法从file 路径字符串中获取文件夹名称。更多信息here。

您需要import os 模块。

例子：

#returns ./mainfolder/1001_name
full_folder_path = os.path.dirname(file)

#returns 1001_name
folder = os.path.basename(full_folder_path)

#returns name bit
result = folder[folder.index('_')+1:]

df_temp['FolderName'] = result

这将创建一个名为FolderName 的新列并为所有行设置值。更多信息here。