你可以有一个中间步骤，你把所有的值都转储到一个列表中。然后你可以在列表上运行sort（）。也许你必须把值转换为字符串，时间戳，或者任何与sort相关的东西。
范例：

listExample = ["15:08", "15:06", "15:07", "15:10", "16:05", "16:03"]
listExample.sort()
Sorted listExample = ['15:06', '15:07', '15:08', '15:10', '16:03', '16:05']

字符串

Python的csv模块中的DictReader和DictWriter可以帮助你。
您可以利用DictWriter的两个属性来解决此问题：
1.在创建/初始化编写器时设置输出列的顺序
1.默认情况下，写入器将通过插入空字符串来“完成”缺少指定列的行
就像这样：

all_rows = [
    {"12:33":  "b", "14:55":  "c", "11:22": "a"},
    {"12:33": "aa", "11:22": "bb"              },
]
with open("output.csv", "w", newline="") as f:
    writer = csv.DictWriter(f, fieldnames=["11:22", "12:33", "14:55"])
    writer.writeheader()
    writer.writerows(all_rows)

字符串
在输出CSV中，我们可以看到：
1.使用fieldnames属性设置的[11：22，12：33，14：55]的列顺序决定了所有行的最终顺序
1.第2行中缺少的值14：55已用空字符串（尾随逗号）填充

11:22,12:33,14:55
a,b,c
bb,aa,

型
你的解决方案需要遍历这些文件，并将每一行添加到一个大列表中，就像上面的all_rows一样。有些行会有键（列名），而其他行没有。然后你需要将所有列名收集到一个列表中，并对该列表进行排序。最后，你可以用最终的列名列表创建DictWriter，写标题，写行：

import csv
import glob
all_rows = []
for fname in sorted(glob.glob("input*.csv")):
    with open(fname, newline="") as f:
        reader = csv.DictReader(f)
        all_rows.extend(reader)
col_names: set[str] = set()
for row in all_rows:
    for col_name in row:
        col_names.add(col_name)
with open("output.csv", "w", newline="") as f:
    writer = csv.DictWriter(f, fieldnames=sorted(col_names))
    writer.writeheader()
    writer.writerows(all_rows)

型

输出中的错误源于这样一个事实，即在csv文件中，除了头部之外，每行都以0结尾，因此Pandas将每行中的第一列解析为行名称，然后扭曲所有其他赋值。改变预处理步骤以消除尾随的零，您会得到：

import pandas as pd
file_paths = ['file1.csv', 'file2.csv', 'file3.csv'] 
headers = []
data_rows = []
for file_path in file_paths:
    file = open(file_path, 'r')
    lines = file.readlines()
    headers.append(lines[0].rstrip().split(','))
    for line in lines[1:]:
        data_rows.append(line.split(',')[:-1])
all_timestamps = list(set([h for header in headers for h in header]))
master_df = pd.DataFrame(columns=all_timestamps)
for header, data_row in zip(headers, data_rows):
    row = pd.Series(index=all_timestamps, data='')
    for time, value in zip(header, data_row):
        row[time] = value
    master_df = pd.concat([master_df, pd.DataFrame([row])], ignore_index=True)
master_df.to_csv('merged_file.csv', index=False)

字符串
请注意，这些列将没有特定的顺序。为了产生与您所说的完全相同的输出，您需要进行排序。解决下午开始的问题的一种替代方法是遍历每个标题，并将每个时间戳添加24，这比其前身小，然后在最终输出中取消。希望这有帮助。

而不是只考虑时间，我添加了日期的时间戳。

# Initialize the VIZ_DATETIME column
largest_group['VIZ_DATETIME'] = pd.Timestamp('1900-01-01')
# Add the time to the base date
largest_group['VIZ_DATETIME'] = pd.to_datetime(largest_group.VIZ_DATETIME.astype(str) + ' ' + largest_group.TIME.astype(str))
# Adjust the day for times past midnight
# To determine the rollover, we check if the current time is less than the previous time.
largest_group['VIZ_DATETIME'] += largest_group['TIME'].diff().lt(pd.Timedelta(seconds=0)).cumsum() * pd.Timedelta(days=1)
largest_group['VIZ_DATETIME'] = largest_group['VIZ_DATETIME'].dt.tz_localize(None)

字符串
然后，我初始化一个列表来保存DataFrame。将每个CSV文件加载到DataFrame中并将其追加到列表中。我使用迭代执行操作，并对DataFrame进行排序。然后，创建一个字典并填充数据。

dataframes = []
for file in csv_files:
    df = pd.read_csv(file)
    df['VIZ_DATETIME'] = pd.to_datetime(df['VIZ_DATETIME'])
    df = df.sort_values(by='VIZ_DATETIME')
    dataframes.append(df)
all_datetimes = set()
for df in dataframes:
    # Extract times and merge with all_datetimes
    df_times = df['VIZ_DATETIME'].dt.time
    all_datetimes |= set(df['VIZ_DATETIME'])
# Sort all_datetimes
all_datetimes = sorted(all_datetimes)
# Create a dictionary for the new DataFrame using datetime
output_dict = {datetime: [None] * len(dataframes) for datetime in all_datetimes}
# Populate the dictionary with data
for datetime in all_datetimes:
    for i, df in enumerate(dataframes):
        if datetime in df['VIZ_DATETIME'].values:
            output_dict[datetime][i] = df.loc[df['VIZ_DATETIME'] == datetime, 'VALUE1'].values[0]
# Create the output DataFrame
output_df = pd.DataFrame.from_dict(output_dict, orient='index')
output_df.reset_index(inplace=True)
output_df.columns = ['Time'] + [f'File{i+1}' for i in range(len(dataframes))]

型