推荐用 glob.glob("data/*/.csv", recursive=true) 递归查找所有csv文件，读取时为每个dataframe添加 source 列并设 ignore_index=false，再用列表推导式收集后一次性 pd.concat。
用 glob 找到所有 CSV 文件，别用 os.listdir
直接遍历文件夹容易漏掉子目录里的 CSV，或者误读非 CSV 文件。glob 支持通配符，更可靠，还能跨层级匹配（比如 **/*.csv）。Windows 和 macOS/Linux 都能用，不用额外判断路径分隔符。
- 推荐写法：
glob.glob("data/**/*.csv", recursive=True)—— 递归找所有子目录下的 CSV - 避免写法：
os.listdir("data")+ 手动过滤后缀，容易忽略隐藏文件、大小写问题（如.CSV） - 注意：如果路径含中文或空格，
glob默认没问题，但传给pandas.read_csv前最好用pathlib.Path封装一下，防编码异常
pd.concat 拼接时必须设 ignore_index=False 并手动加来源列
默认 ignore_index=True 会重置行号，导致你后续无法追溯某行来自哪个文件；而来源列必须在每个 pd.DataFrame 合并前就加上，不能拼完再统一加——否则所有行都会被赋同一个文件名。
python-docx
下载
python-docx Skill功能概述python-docx Skill是一项面向实际任务的技能，主要用于本Skill提供使用python-docx生成专业Word文档的标准方法和最佳实践；生成安全服务方案文档；核心要点生成技术架构设计文档；生成任何需要专业排版的Word文档；核心库 : python-docx；使用与执行辅助库 : docx.shared , docx.enum , docx.oxml.ns；标准代码模板；1. 文档初始化；2. 字体设置（必须！它将相关步骤、工具调用和结果整理方式集
- 正确顺序：读一个文件 →
df["source"] = file_path→ 再进列表 → 最后pd.concat(..., ignore_index=False) - 小技巧：用
Path(file_path).name取文件名，比完整路径更简洁；用Path(file_path).stem去掉.csv后缀 - 性能提醒：如果 CSV 超过 100 个，别用循环 +
pd.concat累加（O(n²) 时间），改用列表推导式一次性收集再拼接
读取时加 dtype=object 或按列指定类型，防止自动类型推断出错
多个 CSV 结构稍有差异（比如某列在 A 文件全是数字，在 B 文件混了字符串），read_csv 默认推断类型会失败或静默截断，最常见报错是 ValueError: invalid literal for int() 或列内容被转成 NaN。
- 稳妥做法：先用一个样本文件调用
pd.read_csv(sample, nrows=100)看列名和典型值，再构造dtype字典 - 快速兜底：直接上
dtype=str或dtype=object，后续再用.astype()转，不丢数据 - 别依赖
low_memory=False来“解决”类型冲突——它只是推迟报错，实际问题还在
合并后检查 source 列是否真有区分度
看似加了来源列，但可能全是一样的值。常见原因：循环里变量作用域写错、source 赋值写在循环外、路径用了相对路径没更新。
- 验证方法：
df["source"].nunique()应该等于 CSV 文件总数；df["source"].value_counts()看分布是否合理 - 调试技巧：先只读 2 个文件，打印它们的
df["source"].iloc[0]，确认值不同 - 容易被忽略的点：Jupyter 中变量未重置，上次运行残留的
df_list导致重复追加；或者脚本里用了glob但没清空列表就再次运行
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
