最近，需要根据ENVI中ROI导出的csv表格，计算植被指数的相关性，共上百个表，需要把每个表的固定列数据整合到一个表上计算相关性。手动操作真的太累了，于是就想试试Python代码。
效果展示
可以看到，代码将四个表中前面的元数据和表头都忽略，只提取了最后一列的数据，并根据用表格名称中的VI（植被指数）来作为表头，防止分不清每一列数字所代表的含义。
import pandas as pd
import numpy as np
import os
def get_file(path): # 创建一个空列表
files = os.listdir(path)
list1 = []
listVI=[]
for file in files:
if not os.path.isdir(path + file): # 判断该文件是否是一个文件夹
f_name = str(file)
VI_name=f_name[8:-4] #读取文件名称中的VI名称
#print(f_name)
tr = '/' # 多增加一个斜杠
filename = path + tr + f_name
#filename = f_name
list1.append(filename)#得到所有
listVI.append(VI_name)
return (list1,listVI)
#返回一个文件名列表；一个VI名称列表，用于为新创建表格的列命名
File=get_file('**/python_try')[0] #输入表格路径，这俩一样
VI=get_file('**/python_try')[1]
#print(File,VI)
dframe={} #创建字典，把每个表格数据的最后一列提取出来，存储到字典中
for x in range(32):
varfile=File[x]
VI_name=VI[x]
df = pd.read_csv(varfile,header=8,names=[VI_name],usecols=[6])
#第9行默认为表头，并更改为VI的名字。读取每个csv的最后一列
data1 = df[VI_name] # 把表格转换成数组的格式
data_list=data1.values.tolist() #把数组转换成列表
dframe[VI_name]=data_list #在字典中添入新的元素（每个表最后一列）
## print(data1)
## print(dframe)
VIcol=pd.Dataframe(dframe)
VIcol.to_csv('**/output.csv') #输出表格路径。注意要先新建一个这样的.csv，并且不能和输入的csv表放在同一个文件夹下。
可能对你有用的链接
在写代码的过程中，我先找了一个大致符合我需求的代码作为模板如何用PYTHON批量提取各个.CSV文件中某范围的数值并进行合并，试着用自己的一点点语法知识去理解它，然后把其中与自己要求不一致的代码进行模仿和修改。
下面是一些我在修改代码觉得对初学者很有用，相对系统的教程链接。
Pandas CSV 文件
详解pandas的read_csv方法 这个对于csv的读取可以说是非常详细了，帮了我大忙。
python 如何提取多个excel表中的某行/列数据做合并 针对excel的，没试过，可以参考一下
写在最后的话
这个代码可能只是针对我特殊的需求写的，因此对输入表的格式和输出格式都是按照我的需求来的。但是部分代码可以供大家参考。
最后纪念一下，这是我第一次完整独立地用代码实现自己想要的功能，之前都是直接复制别人的代码，如果不能直接拿来用我就会很头疼，不想要努力去理解和修改了，觉得很复杂。对Python的学习，我还是计算机二级的水平，半年没看早语法就忘得一干二净。但我想，当初学不就是为了处理数据更快、更便捷吗？如果总是不想做出改变，安于旧方法和旧技能，就永远不会进步。
