首先#xff0c;我们来明确一下本文的具体需求。

现有一个文件夹#xff0c;其中有如下所示的大量Excel文件#xff0c;我们这里就以.csv文件为例来介绍。

其中#xff0c;每…

本文介绍基于Python语言对大量不同的Excel文件加以跨文件、逐单元格平均值计算的方法。

首先我们来明确一下本文的具体需求。

现有一个文件夹其中有如下所示的大量Excel文件我们这里就以.csv文件为例来介绍。

其中每一个.csv文件的名称都是如下图所示的Ref_XXX_Y.csv格式的其中XXX表示三个字母后面的Y则表示若干位数字。

我们现在的需求是希望对于每一个名称为Ref_GRA_Y.csv格式的.csv文件求取其中每一个单元格在所有文件中数据的平均值。

例如对于上图中DOY为1的blue这个单元格那么求出来的平均值就是在全部名称为Ref_GRA_Y.csv格式的.csv文件之中DOY为1且列名为blue的单元格的平均值。

此外如果像上图一样出现了部分单元格数值为0的情况表明在当前文件夹下这个单元格是没有数据的因此需要在计算的时候舍去并且取平均值时候的分母也要减小1。

知道了需求我们就可以开始代码的书写。

其中本文用到的具体代码如下所示。

此外本文实现的需求也和我们之前的文章基于Python读取多个Excel文件数据并跨越不同xlsx表格文件计算平均值https://blog.csdn.net/zhebushibiaoshifu/article/details/115533619有些类似大家如果有需要也可以参考之前的这一篇文章。

-*-

E:/04_Reconstruction/02_Data/01_RGBNINDVI_History

output_path

glob.glob(os.path.join(folder_path,

pd.DataFrame()for

pd.read_csv(file_path)df_filtered

df[df

combined_data.groupby(DOY).mean()output_file

average_values.to_csv(os.path.join(output_path,output_file),

首先我们导入必要的库——os库用于文件路径操作glob库用于文件匹配pandas库用于数据处理和分析。

同时我们定义文件夹路径folder_path代表存储.csv文件的文件夹路径定义输出路径output_path代表保存结果文件的路径定义文件匹配模式file_pattern用于匹配需要处理的.csv文件的文件名模式。

随后我们使用glob.glob()函数结合文件夹路径和文件匹配模式获取满足条件的.csv文件的路径列表存储在file_paths变量中。

创建一个空的数据框combined_data用于存储所有文件的数据。

接下来我们使用一个循环遍历file_paths列表中的每个文件路径。

对于每个文件路径使用pd.read_csv()函数加载.csv文件并将其存储在名为df的数据框中。

其次使用条件筛选语句df[df

0]排除值为0的数据并将结果存储在名为df_filtered的数据框中。

紧接着将当前文件的数据框df_filtered合并到总数据框combined_data中这一步骤使用pd.concat()函数实现。

完成所有文件的处理后使用combined_data.groupby(DOY).mean()计算所有文件的平均值按照DOY列进行分组并求平均值。

随后定义输出文件名output_file代表保存平均值结果的文件名。

最后使用os.path.join()函数结合输出路径和输出文件名生成保存路径并使用average_values.to_csv()函数将平均值数据框average_values保存为一个新的.csv文件指定indexTrue以包含索引列。

运行上述代码我们即可得到结果文件。

如下图所示可以看到结果文件中已经是计算之后的平均值结果了。

欢迎关注疯狂学习GIS