update .py and docs

docs/合并多个csv文件.md

@@ -0,0 +1,138 @@
+
+# Python合并多个csv文件
+
+## 导入所需的包
+
+
+```python
+import os
+import pandas as pd
+import glob
+```
+
+## 合并多个csv文件
+
+
+```python
+csv_list = glob.glob('*.csv') #查看同文件夹下的csv文件数
+print(u'共发现%s个CSV文件'% len(csv_list))
+print(u'正在处理............')
+for i in csv_list: #循环读取同文件夹下的csv文件
+    fr = open(i,'rb').read()
+    with open('result.csv','ab') as f: #将结果保存为result.csv
+        f.write(fr)
+print(u'合并完毕！')
+```
+
+    共发现9个CSV文件
+    正在处理............
+    合并完毕！
+
+
+## 去重函数
+这个函数将重复的内容去掉，主要是去表头。
+
+
+```python
+df = pd.read_csv("result.csv",header=0)
+```
+
+
+```python
+df.info()
+```
+
+    <class 'pandas.core.frame.DataFrame'>
+    RangeIndex: 659867 entries, 0 to 659866
+    Data columns (total 3 columns):
+    UrbanRuralCode    659867 non-null object
+    code              659867 non-null object
+    name              659867 non-null object
+    dtypes: object(3)
+    memory usage: 15.1+ MB
+
+
+
+```python
+IsDuplicated = df.duplicated()
+```
+
+
+```python
+True in IsDuplicated
+```
+
+
+
+
+    True
+
+
+
+这说明了这个DataFrame格式的数据含有重复项。
+
+**DataFrame.drop_duplicates函数的使用**
+```python
+DataFrame.drop_duplicates(subset=None, keep='first', inplace=False)
+```
+- subset : column label or sequence of labels, optional  
+用来指定特定的列，默认所有列
+- keep : {‘first’, ‘last’, False}, default ‘first’  
+删除重复项并保留第一次出现的项
+- inplace : boolean, default False   
+是直接在原来数据上修改还是保留一个副本
+
+
+```python
+datalist = df.drop_duplicates(keep = False)
+```
+
+
+```python
+datalist.info()
+```
+
+    <class 'pandas.core.frame.DataFrame'>
+    Int64Index: 659859 entries, 0 to 659866
+    Data columns (total 3 columns):
+    UrbanRuralCode    659859 non-null object
+    code              659859 non-null object
+    name              659859 non-null object
+    dtypes: object(3)
+    memory usage: 20.1+ MB
+
+
+## 排序函数
+
+
+```python
+datalist_sorted = datalist.sort_values(by = ['code']) #按1列进行升序排序
+```
+
+## 结果写入csv文件
+
+
+```python
+datalist_sorted.to_csv("village_all.csv", sep = ',', header = True,index = False)
+```
+
+## 问题
+
+### Python读取文件问题
+#### 错误信息
+```
+"UnicodeDecodeError: 'gbk' codec can't decode byte 0x80 in position 205: illegal multibyte sequence"  
+```
+#### 解决方案
+```python
+fr = open(i,'r').read() 改为 fr = open(i,'rb').read()
+with open('result.csv','a') as f: 改为 with open('result.csv','ab') as f:
+```
+
+### 重复值问题
+这里我合并了9个csv文件，检查最后合并结果发现，里面还有**一个列名**。这是因为9个为文件，其中8个的列名被认为是DataFrame的值，第1个的列名依旧为列名，然后再去重的过程中，8个相同值被保留了1个，所以这会导致最后的csv文件多了**一个列名**。
+#### 解决方案
+```python
+IsDuplicated = df.duplicated() 改为 IsDuplicated = df.duplicated(keep = False) #重复数据全部去除
+```
+

合并多个csv文件.py

@@ -0,0 +1,28 @@
+# coding: utf-8
+
+# 导入所需的包
+import os
+import pandas as pd
+import glob
+
+# 合并多个csv文件
+csv_list = glob.glob('*.csv') #查看同文件夹下的csv文件数
+print(u'共发现%s个CSV文件'% len(csv_list))
+print(u'正在处理............')
+for i in csv_list: #循环读取同文件夹下的csv文件
+    fr = open(i,'rb').read()
+    with open('result.csv','ab') as f: #将结果保存为result.csv
+        f.write(fr)
+print(u'合并完毕！')
+
+# 去重函数
+# 这个函数将重复的内容去掉，主要是去表头。
+df = pd.read_csv("result.csv",header=0)
+datalist = df.drop_duplicates(keep = False)
+
+# 排序函数
+datalist_sorted = datalist.sort_values(by = ['code']) #按1列进行升序排序
+
+# 结果写入csv文件
+datalist_sorted.to_csv("village_all.csv", sep = ',', header = True,index = False)
+