### 使用 Python 根据条件筛选 CSV 文件中的行 为了根据特定条件筛选 CSV 文件中的行，可以利用 `pandas` 库的强大功能来简化操作。下面展示了一个完整的流程，包括导入必要的库、定义路径以及编写用于筛选数据并将结果保存到新文件的函数。 #### 导入库与设置工作环境 ```python import os import pandas as pd import glob ``` 这段代码引入了三个主要模块：`os` 用来处理操作系统相关的任务；`pandas` 是数据分析的核心工具，在这里被缩写成 `pd` 方便后续调用；而 `glob` 则帮助匹配指定模式下的文件名列表[^1]。 #### 定义筛选逻辑并创建相应函数 接下来定义一个名为 `csv_filter` 的函数，该函数接收三个参数——目标文件夹路径 (`folder_path`)、导出文件名称 (`exp_path`) 和作为过滤依据的关键字符串 (`condition_string`)： ```python def csv_filter(folder_path, exp_path, condition_string): all_files = glob.glob(os.path.join(folder_path, "*.csv")) combined_df = pd.DataFrame() for file in all_files: df = pd.read_csv(file, index_col=None, header=0) filtered_df = df[df.apply(lambda row: any(condition_string.lower() in str(cell).lower() for cell in row), axis=1)] combined_df = pd.concat([combined_df, filtered_df], ignore_index=True) combined_df.to_csv(exp_path, index=False) ``` 此段脚本首先通过 `glob.glob()` 获取给定目录下所有的 `.csv` 文件，并逐一读取这些文件的内容至 DataFrame 对象中。之后应用自定义的 lambda 函数遍历每一列的数据单元格，检查是否包含设定好的关键词 (不区分大小写)，最终将符合条件的结果汇总起来形成一个新的 DataFrame 并输出为新的 CSV 文件[^2]。 #### 执行筛选过程 最后只需提供具体的文件夹位置、期望生成的新文件的名字还有想要查找的目标词即可启动整个筛选程序: ```python folder_path = r'D:\desk\test' exp_path = 'filtered_test.csv' condition_string = "human kinase" csv_filter(folder_path, exp_path, condition_string) ``` 上述命令会针对 D 盘 desk 文件夹内的所有 CSV 文档进行检索，寻找含有 “human kinase” 字样的记录，并将其整理后另存为 `filtered_test.csv` 文件[^3]。