### 读取多个文件的方法 在 Python 中，读取多个文件可以通过循环或并行处理实现。以下是一些常用的方法： #### 方法一：使用 `for` 循环逐一读取文件 通过遍历文件路径列表，可以逐个打开并读取文件内容。这种方法简单易懂，适合小型任务。 ```python import os file_paths = ["file1.txt", "file2.txt", "file3.txt"] # 文件路径列表 for file_path in file_paths: if os.path.exists(file_path): # 检查文件是否存在 with open(file_path, "r") as f: data = f.readlines() for line in data: process(line) # 处理每一行数据[^1] ``` #### 方法二：使用生成器函数读取文件 生成器函数可以在需要时逐步生成文件内容，避免一次性加载所有文件到内存中。 ```python def read_files(file_paths): for file_path in file_paths: if os.path.exists(file_path): with open(file_path, "r") as f: yield from f # 逐行生成文件内容 file_paths = ["file1.txt", "file2.txt", "file3.txt"] for line in read_files(file_paths): process(line) # 处理每一行数据[^2] ``` #### 方法三：使用多线程或多进程并行读取文件 对于大型任务，可以利用多线程或多进程加速文件读取和处理过程。 ```python from concurrent.futures import ThreadPoolExecutor def process_file(file_path): if os.path.exists(file_path): with open(file_path, "r") as f: data = f.readlines() for line in data: process(line) # 处理每一行数据[^1] file_paths = ["file1.txt", "file2.txt", "file3.txt"] with ThreadPoolExecutor(max_workers=4) as executor: # 使用线程池 executor.map(process_file, file_paths) ``` #### 方法四：使用 Pandas 读取多个文件 如果文件是结构化数据（如 CSV 文件），可以使用 Pandas 的 `read_csv` 函数，并结合 `concat` 合并多个文件。 ```python import pandas as pd file_paths = ["file1.csv", "file2.csv", "file3.csv"] dfs = [pd.read_csv(file_path) for file_path in file_paths if os.path.exists(file_path)] combined_df = pd.concat(dfs, ignore_index=True) # 合并数据帧 ``` 以上方法展示了如何用 Python 读取多个文件，具体选择取决于任务需求和文件大小。