### 处理 TXT 文件并转换为 Pandas DataFrame 要实现这一目标，可以按照以下方法编写代码： #### 1. 导入库 需要导入 `os` 和 `pandas` 库来操作文件系统以及数据处理。 ```python import os import pandas as pd ``` #### 2. 获取文件夹中的所有 `.txt` 文件 通过 `os.listdir()` 或者更推荐的 `glob.glob()` 方法找到指定目录下的所有 `.txt` 文件[^3]。 ```python import glob folder_path = 'path_to_your_folder' # 替换为目标文件夹路径 txt_files = glob.glob(os.path.join(folder_path, "*.txt")) ``` #### 3. 将每个 `.txt` 文件加载到 Pandas DataFrame 中 假设每行是一个记录，并且可以通过逗号或其他分隔符解析，则可使用 `pd.read_csv()` 加载这些文件。 ```python dataframes = [] for file in txt_files: df = pd.read_csv(file, sep='\t') # 假设是制表符分隔的数据；如果不是，请调整sep参数 dataframes.append(df) combined_df = pd.concat(dataframes, ignore_index=True) # 合并多个DataFrame ``` #### 4. 过滤基于时间戳的行 如果每一行都有一个表示时间戳的列（例如名为 `'timestamp'` 的列），可以根据条件筛选出满足特定时间戳范围内的行。这里假设有 13 位的时间戳字符串。 ```python def filter_by_timestamp(df, max_timestamp): """根据最大时间戳过滤DataFrame""" filtered_rows = [] for _, row in df.iterrows(): timestamp_str = str(row['timestamp'])[:13] # 提取前13位作为时间戳 try: timestamp_int = int(timestamp_str) if timestamp_int < max_timestamp: filtered_rows.append(row.to_dict()) else: break # 如果超过给定值，则停止继续遍历 except ValueError: continue # 跳过无法转换成整数的时间戳 return pd.DataFrame(filtered_rows) max_time_value = 1670000000000 # 给定的最大时间戳值 (毫秒级) filtered_data = filter_by_timestamp(combined_df, max_time_value) ``` #### 5. 存储结果到 Excel 文件 最后一步是将经过筛选后的数据存储到一个新的 Excel 文件中。 ```python output_excel_file = 'output_filtered.xlsx' filtered_data.to_excel(output_excel_file, index=False) # 不保存索引 ``` 以上脚本实现了从读取文件夹中的所有 `.txt` 文件开始，直到最终生成带有筛选后数据的新 Excel 表格的过程。 --- ###