### 动态加载CSV表格数据的实现方法 在实际数据处理过程中，有时需要根据文件中的内容动态读取对应的CSV表格数据。这种需求常见于自动化分析流程中，例如从一个主配置文件中读取多个子表名称，并依次加载这些子表进行进一步处理。 #### 1. 文件结构与目标 假设有一个主文件 `main_list.txt`，其中每一行包含一个CSV文件的名称（如 `data1.csv`, `data2.csv` 等），任务是读取该列表，并逐一加载每个CSV文件的数据。 #### 2. 实现代码 可以使用 Python 的内置模块 `csv` 或者更强大的 `pandas` 库来实现这一功能。以下是一个基于 `pandas` 的示例： ```python import pandas as pd # 读取包含CSV文件名的主文件 with open('main_list.txt', 'r') as file: csv_files = file.read().splitlines() # 动态加载所有CSV文件并存储为DataFrame字典 data_frames = {} for filename in csv_files: try: # 读取CSV文件 df = pd.read_csv(filename) # 将文件名作为键存入字典 data_frames[filename] = df except FileNotFoundError: print(f"文件 {filename} 未找到，跳过此文件。") # 示例：打印第一个CSV文件的内容 if csv_files: first_file = csv_files[0] print(data_frames[first_file]) ``` 这段代码首先读取主文件 `main_list.txt` 中的所有CSV文件名，并将其存储在一个列表中。然后遍历这个列表，尝试读取每一个CSV文件，并将结果存储在一个字典中，以便后续访问和操作[^1]。 #### 3. 异常处理 在实际运行时，可能会遇到某些文件不存在的情况。通过 `try...except` 结构捕获 `FileNotFoundError`，可以确保程序不会因为个别文件缺失而中断执行。这种做法提高了程序的健壮性和容错能力。 #### 4. 扩展应用 除了简单地读取文件外，还可以对每个CSV文件进行进一步处理，例如计算平均值、筛选特定列或合并多个文件的数据。以下是一个扩展示例，展示如何计算每个CSV文件的平均成绩： ```python # 计算每个CSV文件的平均成绩 averages = {} for filename, df in data_frames.items(): if 'score' in df.columns: avg = df['score'].mean() averages[filename] = avg # 打印每个文件的平均成绩 for filename, avg in averages.items(): print(f"{filename} 的平均成绩为: {avg}") ``` 此代码片段展示了如何从每个CSV文件中提取 `score` 列，并计算其平均值，最终将结果输出到控制台。 #### 5. 写入处理结果 如果需要将处理后的结果保存到新的CSV文件中，可以使用 `pandas.DataFrame.to_csv()` 方法： ```python # 将平均成绩写入新的CSV文件 average_df = pd.DataFrame(averages.items(), columns=['Filename', 'Average Score']) average_df.to_csv('average_scores.csv', index=False) ``` 上述代码将每个文件的平均成绩存储在一个新的DataFrame中，并将其写入名为 `average_scores.csv` 的新文件中，方便后续查阅和分析。