python学习之在多个文件中依次查找多个关键词

### 如何使用 Python 同时读取多个 CSV 文件 在处理大量数据时，通常需要将多个 CSV 文件的内容合并成一个统一的数据集以便进一步分析。以下是实现这一目标的具体方法。 可以通过 `glob` 模块获取指定路径下的所有 CSV 文件名列表，并利用 Pandas 的 `read_csv()` 方法逐一加载这些文件并将其合并为单个 DataFrame 对象[^4]。 下面提供了一个完整的代码示例： ```python import pandas as pd import glob # 定义包含CSV文件的目录路径 path = "your_directory_path/*.csv" # 使用glob模块找到该路径下所有的CSV文件 all_files = glob.glob(path) # 创建一个空列表用于存储每个CSV文件对应的DataFrame对象 list_of_dataframes = [] for filename in all_files: df = pd.read_csv(filename, index_col=None, header=0) # 加载当前CSV文件 list_of_dataframes.append(df) # 将其加入到列表中 # 利用concat函数沿垂直方向连接所有DataFrame对象成为一个整体的大表 combined_df = pd.concat(list_of_dataframes, axis=0, ignore_index=True) print(combined_df.head()) ``` 此段程序首先定义了存放目标CSV文档所在的文件夹位置；接着通过调用`glob.glob()`函数检索匹配模式的所有具体文件名称；随后遍历每一个查找到的结果项，依次运用Pandas库中的`pd.read_csv()`命令完成单独表格向内存结构转化的过程；最后借助于`pd.concat()`操作符把之前累积起来的小型片段组合成为最终版本的整体视图[^4]。 #### 注意事项 - 替换 `"your_directory_path"` 成实际存放 csv 文件的真实地址。 - 如果各个子集中存在重复索引，则设置参数 `ignore_index=True` 来重新编号新生成框架内的条目序号。