我正在嘗試建立一種在 Python 3 中自動執(zhí)行大量數(shù)據(jù)分析的方法。目前，大部分實際分析相當(dāng)簡單（根據(jù) 4 個輸入文件繪制 2 條曲線并進行一些計算）。因為我總是至少有 4 個文件，所以我目前有這樣的東西可以從我正在查看的 4 個文件中讀取 .csv 文件中的所有數(shù)據(jù)。實際上，在任何給定時間都有大約 150 多個文件，我需要一種方法來非?？焖俚乇容^所有文件。對于一些背景：1）。所有文件都將位于具有相同路徑的同一文件夾中（特定文件名除外）。2）。有兩個類別（我稱它們?yōu)椤癈ontrol”和“NP”），每個類別有 2 個與之對應(yīng)的文件：Control-A、Control-B 和 NP-A 和 NP-B。3）。當(dāng)前有大量信息位于文件名中（實驗室條件等數(shù)據(jù)采集軟件在測量期間實時讀?。?，但文件名中間的某個位置包含“暗”或“照亮”。有了這些信息，我試圖找到一種方法來一次導(dǎo)入所有文件并根據(jù)文件名將它們分開。例如，包含單詞“ControlDark”的所有文件將被組合在一起，包含“ControlIlluminated”的所有文件將被組合在一起，對于其他兩種組合（“NPDark”和“NPIlluminated”），依此類推?，F(xiàn)在，我所擁有的只是一個 GUI，它允許我從特定路徑（使用 askopenfilename()）手動選擇 4 個文件。我不知道有什么好方法可以同時讀取數(shù)百個 .csv 文件?，F(xiàn)在，我一次只能容納 4 個數(shù)據(jù)集，因為我不知道一種保存整個文件夾價值數(shù)據(jù)的方法（沒有相應(yīng)的 askopenfilename() 或 np.genfromtxt('path\filename.csv') )f1 = askopenfilename()f1_data = pd.read_csv(f1, names = ['A', 'B', 'C'])f2 = askopenfilename()f2_data = pd.read_csv(f2, names = ['A', 'B', 'C'])f3 = askopenfilename()f3_data = pd.read_csv(f3, names = ['A', 'B', 'C'])f4 = askopenfilename()f4_data = pd.read_csv(f4, names = ['A', 'B', 'C'])基本上我用 askopenfilename() 命令調(diào)出一個 gui 并手動查找有問題的 4 個文件。但是，我想自動執(zhí)行此操作，以便我可以從一開始就將所有約 150 多個文件轉(zhuǎn)儲到該文件中。我找到了一種開始的方法，但是我在將每個文件讀入它自己的數(shù)據(jù)結(jié)構(gòu)時遇到了一些困難。到目前為止，我有：import globimport pandas as pdimport ospath = r'full\path\here'all_files = glob.glob(os.path.join(path, "*.csv"))#Setting up a list for each of the 4 files I need to generate each plotDarkControl = []IllControl = []DarkNP = []IllNP = []for f in all_files:     if "Control" in f and "Dark" in f:          DarkControl.append(f)     elif "Control" in f and "Illuminated" in f:          IllControl.append(f)     elif "GoldNP" in f and "Dark" in f:          DarkNP.append(f)     elif "GoldNP" in f and "Illuminated" in f:          IllNP.append(f)所以我有每個類別的列表，但現(xiàn)在它是一個字符串列表。有沒有一種好方法（可能使用 Pandas 數(shù)據(jù)框？）為 all_files 中的每個文件 f 創(chuàng)建一個數(shù)據(jù)框？我絕對想避免為所有文件創(chuàng)建一個龐大的結(jié)構(gòu)。在每個文件中，第一列是我的 x 變量，第二列是我的 y 變量。我想確保我可以針對 x 值繪制任何給定 f 的 y 值和其他一些 f 的 y 值（所有文件的所有 x 值都相同）