如何批量提取CSV文件第四列并去重后保存？

Python脚本实现批量CSV文件处理：提取第四列，去重并保存

需要批量处理多个CSV文件，提取每个文件的第四列数据，去除重复项，并将结果保存到新的CSV文件中，同时保留原始文件名？ 以下Python脚本使用Pandas库高效地完成此任务。

代码：

智川X-Agent

中科闻歌推出的一站式AI智能体开发平台

下载

<code class="python">import os
import pandas as pd

# 输入文件夹路径
input_dir = "路径/到/CSV文件/文件夹"  # 请替换为您的输入文件夹路径

# 输出文件夹路径
output_dir = "路径/到/输出/文件夹"  # 请替换为您的输出文件夹路径

def process_csv(input_dir, output_dir):
    for filename in os.listdir(input_dir):
        if filename.endswith(".csv"):
            filepath = os.path.join(input_dir, filename)
            try:
                # 读取CSV文件，忽略表头，使用空格作为分隔符（可根据实际情况修改）
                df = pd.read_csv(filepath, header=None, sep='\s+')

                # 删除重复项，仅保留第四列的唯一值
                df_unique = df.drop_duplicates(subset=[3])

                # 提取第四列
                fourth_column = df_unique[3]

                # 保存到新的CSV文件
                output_filepath = os.path.join(output_dir, filename)
                fourth_column.to_csv(output_filepath, header=['第四列'], index=False)
                print(f"已成功处理文件：{filename}")
            except pd.errors.EmptyDataError:
                print(f"警告：文件{filename}为空，跳过处理。")
            except pd.errors.ParserError:
                print(f"警告：无法解析文件{filename}，跳过处理。")


if __name__ == "__main__":
    process_csv(input_dir, output_dir)
    print("所有文件处理完成。")
</code>

使用方法：

1. 安装Pandas: 如果您还没有安装Pandas，请在终端或命令提示符中运行 pip install pandas。
2. 替换路径: 将代码中的 "路径/到/CSV文件/文件夹" 和 "路径/到/输出/文件夹" 替换为您实际的输入和输出文件夹路径。
3. 运行脚本: 保存代码为 .py 文件（例如 process_csv.py），然后在终端或命令提示符中运行 python process_csv.py。

此脚本更加健壮，包含错误处理，可以处理空文件或解析错误的文件，并提供更清晰的输出信息。 请确保您的CSV文件使用空格作为分隔符，如果不是，请修改 sep='\s+' 参数为正确的分隔符（例如 , 逗号）。