python自动化办公

import pandas as pd
import os

# 设置文件夹路径和输出Excel文件名
folder_path = r"E:\CHM\DATE2\0716\TEMP\N15"
output_file = r"E:\CHM\DATE2\0716\CUT\N15.xlsx"

# 获取文件夹下所有csv文件的文件名
csv_files = [f for f in os.listdir(folder_path) if f.endswith('.csv')]

# 创建一个空的DataFrame来存储所有数据
output_data = pd.DataFrame()

# 循环读取每个csv文件，将第四列添加到输出数据中
for csv_file in csv_files:
    # 获取csv文件名作为列名
    column_name = os.path.splitext(csv_file)[0]

    # 读取csv文件并取出第四列
    data = pd.read_csv(os.path.join(folder_path, csv_file), usecols=[3])

    # 将第四列添加到输出数据中，以csv文件名作为列名
    output_data[column_name] = data.iloc[:, 0]

# 将输出数据保存到Excel文件中
output_data.to_excel(output_file, index=False)

这个代码可以实现一个文件夹，将里面的所有文件按列进行排序，并输出到一个新文件里。我现在有好多个文件夹（N01-N69）70个，我想加一行代码，实现所有文件夹的自动处理，一个文件夹对应一个EXCEL，名称是文件夹的名称。

img

img

该回答引用ChatGPT

请测试

这个代码会对 input_folder_path 目录下的所有文件夹进行处理，并将处理后的数据分别保存到 output_folder_path 目录下以对应文件夹名命名的 Excel 文件中。

import pandas as pd
import os

# 设置文件夹路径和输出Excel文件夹路径
input_folder_path = r"E:\CHM\DATE2\0716\TEMP"
output_folder_path = r"E:\CHM\DATE2\0716\CUT"

# 获取所有文件夹的名称
folder_names = [f for f in os.listdir(input_folder_path) if os.path.isdir(os.path.join(input_folder_path, f))]

# 循环处理每个文件夹
for folder_name in folder_names:
    # 设置当前文件夹的路径和输出Excel文件名
    folder_path = os.path.join(input_folder_path, folder_name)
    output_file = os.path.join(output_folder_path, folder_name + ".xlsx")

    # 获取文件夹下所有csv文件的文件名
    csv_files = [f for f in os.listdir(folder_path) if f.endswith('.csv')]

    # 创建一个空的DataFrame来存储所有数据
    output_data = pd.DataFrame()

    # 循环读取每个csv文件，将第四列添加到输出数据中
    for csv_file in csv_files:
        # 获取csv文件名作为列名
        column_name = os.path.splitext(csv_file)[0]

        # 读取csv文件并取出第四列
        data = pd.read_csv(os.path.join(folder_path, csv_file), usecols=[3])

        # 将第四列添加到输出数据中，以csv文件名作为列名
        output_data[column_name] = data.iloc[:, 0]

    # 将输出数据保存到Excel文件中
    output_data.to_excel(output_file, index=False)

参考GPT和自己的思路，可以使用os模块中的listdir()方法来获取目录下所有文件夹的名称，然后再对每个文件夹进行处理。可以将原来的代码封装成一个函数，然后再调用这个函数即可，以下是代码示例：

import pandas as pd
import os

def process_folder(folder_path):
    # 设置输出Excel文件名
    output_file = os.path.join(folder_path, f"{os.path.basename(folder_path)}.xlsx")

    # 获取文件夹下所有csv文件的文件名
    csv_files = [f for f in os.listdir(folder_path) if f.endswith('.csv')]

    # 创建一个空的DataFrame来存储所有数据
    output_data = pd.DataFrame()

    # 循环读取每个csv文件，将第四列添加到输出数据中
    for csv_file in csv_files:
        # 获取csv文件名作为列名
        column_name = os.path.splitext(csv_file)[0]

        # 读取csv文件并取出第四列
        data = pd.read_csv(os.path.join(folder_path, csv_file), usecols=[3])

        # 将第四列添加到输出数据中，以csv文件名作为列名
        output_data[column_name] = data.iloc[:, 0]

    # 将输出数据保存到Excel文件中
    output_data.to_excel(output_file, index=False)

# 设置文件夹路径
root_folder = r"E:\CHM\DATE2\0716\TEMP"

# 循环处理每个文件夹
for folder_name in os.listdir(root_folder):
    if folder_name.startswith('N'):
        folder_path = os.path.join(root_folder, folder_name)
        process_folder(folder_path)

在这个示例中，我们首先定义了一个process_folder()函数，用于处理单个文件夹中的所有CSV文件并将它们输出到一个Excel文件中。然后，在主程序中，我们定义了一个root_folder变量，用于存储所有文件夹所在的根目录，然后循环处理每个文件夹。我们使用os.listdir()方法来获取根目录下的所有文件夹，然后用startswith()方法来过滤出以"N"开头的文件夹。对于每个符合条件的文件夹，我们调用process_folder()函数进行处理，输出一个Excel文件。