要遍历一个数据集中所有的数据文件并将它们转换为CSV格式，可以按照以下步骤进行操作。这里我们假设你要处理的是Excel文件（.xlsx 或 .xls），并且希望把每个文件都保存为CSV格式。这个过程涉及到了解压、查找特定类型的文件、读取内容然后导出到新的格式等功能。 下面是一个完整的Python脚本例子，它展示了如何递归地搜索给定目录及其子目录内的所有Excel文件，并逐个将其转化为CSV格式： ```python import os import pandas as pd def convert_excel_to_csv(directory, output_folder='output'): """ 遍历指定目录下所有的excel文件(.xlsx/.xls)，并将其转换为csv文件存放在output_folder中 参数: directory (str): 要扫描的根目录路径. output_folder (str): 存储生成的csv文件的目标文件夹，默认值为'./output'. 返回: None """ if not os.path.exists(output_folder): os.makedirs(output_folder) for root, _, files in os.walk(directory): for file_name in files: full_path = os.path.join(root, file_name) # 只处理Excel文件 (.xlsx or .xls) if file_name.lower().endswith(('.xlsx', '.xls')): try: excel_data_df = pd.read_excel(full_path) # 加载整个工作簿的第一个sheet base_filename = os.path.splitext(os.path.basename(full_path))[0] csv_output_path = os.path.join( output_folder, f"{base_filename}.csv" ) excel_data_df.to_csv(csv_output_path, index=False, encoding='utf-8-sig') print(f'Successfully converted {full_path} to {csv_output_path}') except Exception as e: print(f"Failed to process {full_path}, reason: {str(e)}") # 示例用法 convert_excel_to_csv('data_directory') ``` 在这个脚本里做了几件重要的事情: 1. `os.walk()` 函数用于深度优先遍历目录树，获取每一个文件的信息。 2. 我们只挑选那些扩展名为 `.xlsx` 或者 `.xls` 的文件来进行进一步的操作。 3. 利用了 Pandas 库的功能去解析 Excel 文件(`pd.read_excel()`) 和 写入 CSV 文件(`to_csv()`)。 4. 创建了一个输出文件夹来存放结果文件，如果不存在就创建一个新的。 5. 对于每个成功的转化都会打印一条信息出来表示进度情况；如果有失败的情况也会捕获异常并给出提示。 需要注意的一点是，上述代码默认只会读取第一个 Sheet 页面的内容。如果你的数据集中有多个 Sheets 并且你也想保留下来的话，则需要稍微调整一下逻辑以适应多 sheet 场景的需求。 对于其他类型的非 Excel 数据源（比如 JSON、XML 等），只需相应更改读取部分即可。