如何在Python中向数据框添加导入的txt文件的文件名

Question

我已经从一个文件夹中导入了几千个txt文件到pandas dataframe。是否有任何方法可以创建一列，从其中导入的txt文件的文件名中添加子字符串？这是通过一个唯一的名称来标识数据帧中的每个文本文件。

文本文件命名为1001示例。txt，例如。txt，1003示例。txt和son打开。我想要这样的东西：

filename        text
1001            this is an example text
1002            this is another example text
1003            this is the last example text
....

我用来导入数据的代码如下。但是，我不知道如何通过文件名的子字符串创建列。任何帮助都将不胜感激。谢谢。

import glob
import os
import pandas as pd

file_list = glob.glob(os.path.join(os.getcwd(), "K:\\text_all", "*.txt"))

corpus = []

for file_path in file_list:
    with open(file_path, encoding="latin-1") as f_input:
        corpus.append(f_input.read())

df = pd.DataFrame({'text':corpus})

Answer 1

有一句话：

df = pd.concat([pd.read_csv(f, encoding='latin-1').
                assign(Filename=os.path.basename(f)) for f in glob.glob('K:\\text_all*.txt')])
df['Filename'] = df['Filename'].str.extract('(\d+)').astype(int)

Answer 2

这应该行得通。它从文件名中提取数字。

import glob
import os
import pandas as pd

file_list = glob.glob(os.path.join(os.getcwd(), "K:\\text_all", "*.txt"))

corpus = []
files = []

for file_path in file_list:
    with open(file_path, encoding="latin-1") as f_input:
        corpus.append(f_input.read())
        files.append(''.join([n for n in os.path.basename(file_path) if n.isdigit()]))

df = pd.DataFrame({'file':files, 'text':corpus})