我想从 tar.gz 文件中读取文件夹的名称,并创建包含这些名称的列。
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,有几个具有名称的文件夹。 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。
路径字符串的示例:./mainfolder/1001_name
或 ./mainfolder/1002_some_name
最佳答案
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 .
您需要导入 os
模块。
示例:
#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 .
关于python - 如何从路径字符串中获取文件夹名称并将其添加到 pandas 数据框中的新列?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58683690/