上次我们分享了利用powerquery来合并文件进行数据分析，但是Pq有一部分局限性，在现实工作中，我们往往需要合并多个文件去处理数据，
如果面对20个甚至更多的文件，pq中的每一步的步骤都会去读取每个文件，运行速度会十分慢，那么有没有简单的解决方法吗？
答案是：可以考虑合并成一个文件后来处理。
我们用py来合并文件后，输出一个大的csv表，然后利用Py或者pq进行处理，这样就可以大量节省时间，提高效率，今天我们就分享，py合并文件板块。
第一步：导入pandas，和os库
import pandas as pd
import os
第二步：设置路径
路径 = r'C:\Users\Administrator\Desktop\test/'#合并文件所在的文件路径，最后一个反斜杠不能被转义所以必须反斜杠，下次更换合并地址的话，直接更改就好，同样需要注意最后的反斜杠号
目的路径=r'C:/Users/Administrator/Desktop/合并230115.csv'#存放地址
第三步：合并文件，这里先用for循环配合os.listdir获取了指定文件夹的全部文件路径，然后用concat合并了文件
路径 = r'C:\Users\Administrator\Desktop\test/'
合并表 = pd.DataFrame()
for 文件名 in os.listdir(路径):
表格 = pd.read_csv(路径+文件名,encoding='gbk')
合并表 = pd.concat([合并表,表格])
print(合并表)
第四步：将合并好的文件输出到指定路径
合并表.to_csv(目的路径)
来到这里，就完成了全部操作，本文的变量是中文变量，不影响使用，目的是便于新手（博主也是新手）学习，能更快的用到工作中。
我是simone，期待下次的分享。（下次会分享pandas中的透视表功能，可以配合今天的文章，来处理合并文件，直接输出有些数据分析的结果）
![P1880 [NOI1995] 石子合并 题解](https://www.kunjuke.com/file/css/thumb/6.jpg/280-180.jpg)
