如果不知道文件名，但需要逐个读取指定路径下的所有 CSV 文件，可以使用 `os` 或 `pathlib` 模块来遍历目录中的文件，并结合 `pandas` 来读取 CSV 文件的内容。以下是实现方法： ### 实现代码 ```python import os import pandas as pd def read_all_csv_in_directory(directory_path): # 存储所有 DataFrame 的列表 all_dataframes = [] # 遍历目录下的所有文件 for filename in os.listdir(directory_path): # 检查文件是否为 CSV 格式 if filename.endswith('.csv'): file_path = os.path.join(directory_path, filename) try: # 读取 CSV 文件并添加到列表中 df = pd.read_csv(file_path) all_dataframes.append(df) print(f"成功读取文件: {filename}") except Exception as e: print(f"读取文件 {filename} 时出错: {e}") # 如果需要将所有 DataFrame 合并为一个，可以使用以下代码 if all_dataframes: combined_df = pd.concat(all_dataframes, ignore_index=True) return combined_df else: print("没有找到任何 CSV 文件") return None # 示例调用 directory_path = './your/directory/path' # 替换为你的目录路径 combined_df = read_all_csv_in_directory(directory_path) if combined_df is not None: print(combined_df.head()) # 打印合并后的 DataFrame 的前几行 ``` ### 解释 1. **`os.listdir(directory_path)`**: 列出指定目录下的所有文件和子目录。 2. **`filename.endswith('.csv')`**: 筛选出以 `.csv` 结尾的文件。 3. **`os.path.join(directory_path, filename)`**: 构建完整的文件路径。 4. **`pd.read_csv(file_path)`**: 使用 Pandas 读取 CSV 文件内容。 5. **异常处理**: 在读取文件时可能会遇到编码问题或其他错误，因此使用 `try-except` 进行异常捕获。 6. **合并多个 DataFrame**: 如果需要将所有 CSV 文件的内容合并为一个 DataFrame，可以使用 `pd.concat()` 方法。 --- ### 注意事项 - 如果目录中有非 CSV 文件，代码会自动忽略它们。 - 如果需要递归读取子目录中的 CSV 文件，可以使用 `os.walk()` 或 `pathlib.Path.rglob()`。 ---