フォルダ内の複数ファイルを平均化して別のフォルダに出力したい

Question

前提

質問させて頂きたいです。よろしくお願い致します。

名称「Aフォルダ」内に複数のcsvファイルがあります。ファイル名は「0000583A.CSV」などです。
csvファイルは下記のような構成になっていて、一番左のTIME列が0.1秒刻みでデータを取得している時系列データとなっています。

pythonで「Aフォルダ」内のcsvファイル（例えば0000583A.CSV）を読み込み、それぞれのファイルのデータを3秒ごとに平均化して「Bフォルダ」に「0000583Ac.CSV」（末尾に小文字c追加）のようなファイル名で出力保存したいです。

コードを書いていて、いくつかのエラーが出てしまいました。
これらのエラーの発生原因と対策方法を教えて頂きたいです
①「NameError: name 'df' is not defined」
②「pandas.errors.ParserError: Error tokenizing data. C error: out of memory」
③「AttributeError: 'NoneType' object has no attribute 'resample'」

また最後のコードでCSVファイルが出力されるところまでいったのですが、「平均化したTIME列が消えてしまった」「複数のファイルを出力保存したいが1個のoutput.csvファイルしか出力保存されない」といった問題があり、対策方法を教えて頂きたいです。

このようなことを行いたい背景としては、1つ5～6メガのファイルを複数結合してBIツールで可視化分析したいのですが、pythonで実行するとファイル容量が大きすぎるのかメモリ不足が出てしまいます。
そこで0.1秒ごとのデータ取得を3秒ごとに圧縮すれば解決できるかと思いました。
最初から3秒毎でデータを取得するようにすれば良いかもしれませんが、3秒区切りでデータ分析に活用できるか不明なためデータは0.1秒で取得したいと思っています。
※5~6MBくらいのCSVファイルが週に800個ほど「Aフォルダ」に貯まっていく

文字数オーバーしてしまうのでcsvファイルの構成はコメント欄に記載します

実現したいこと

pythonで「Aフォルダ」内のcsvファイル（例えば0000583A.CSV）を読み込み、それぞれのファイルのデータを3秒ごとに平均化して「Bフォルダ」に「0000583Ac.CSV」のようなファイル名で出力保存したいです。

発生している問題・エラーメッセージ

①「NameError: name 'df' is not defined」
②「pandas.errors.ParserError: Error tokenizing data. C error: out of memory」
③「AttributeError: 'NoneType' object has no attribute 'resample'」
下記コードで①～③で変更した部分を分けて書いています

また最後のコードでCSVファイルが出力されるところまでいったのですが、「平均化したTIME列が消えてしまった」「複数のファイルを出力保存したいが1個のoutput.csvファイルしか出力保存されない」といった問題があり、対策方法を教えて頂きたいです。

該当のソースコード

from pathlib import Path
import pandas as pd

#read_dataという名前の関数を作成する、filenameは引数であり関数の処理に渡される値
def read_data(filename):
    # dataという名前のリストを作成する処理を行う
    data = []

---------------------------csv出力できた時のコード------------------------------------------
# fileが変数、filenameがオブジェクト、のループ処理を行う、次の読み込み処理でfileという変数にfilenameというオブジェクトの中の要素（結合したいcsvファイル名）を入れていく
    for file in filename:
        # 処理内容、今回はcsvファイルをpythonに読み込む、pd.read_csvでcsv形式のファイルをPandasのDataFrameへ読み取ってfile_dataという要素名に定義する、fileにはcsvファイル名が入る、headerは先頭行を3行目に指定、encodingは文字コード指定
        df = pd.read_csv(file, encoding="cp932",skiprows=2,sep=',',index_col=0,parse_dates=True)
        #定義された要素名file_dataをdataリストに追加
        data.append(df)
    #merge_dataという名前の結合されたリスト、を作るためのpd.concatという関数を行う、dataは結合する物＝リストを示す、join=innerは内部結合＝つのテーブルの合体可能なデータのみ取り出すことを示す
    averaged_data = df.resample('3S').mean()
    return averaged_data
------------------------------------------------------------------------------------------------

-----------------csv出力できなかったとき（①～③エラーの時）のコード--------------------
    # fileが変数、filenameがオブジェクト、のループ処理を行う、次の読み込み処理でfileという変数にfilenameというオブジェクトの中の要素（結合したいcsvファイル名）を入れていく
    for file in filename:
        # 処理内容、今回はcsvファイルをpythonに読み込む、pd.read_csvでcsv形式のファイルをPandasのDataFrameへ読み取ってfile_dataという要素名に定義する、fileにはcsvファイル名が入る
        file_data = pd.read_csv(file, encoding="cp932",skiprows=2,sep=',',index_col=0,parse_dates=True)
        #定義された要素名file_dataをdataリストに追加
        data.append(file_data)
------------------------------------------------------------------------------------------------

    
------------------------------①エラーのとき--------------------------------------------------
    #averaged_dataという名前の平均化されたリストを作成
    averaged_data = df.resample('3S').mean()
    return averaged_data
------------------------------------------------------------------------------------------------

------------------------------②エラーのとき--------------------------------------------------
    #averaged_dataという名前の平均化されたリストを作成
    df = read_data(filename)
    averaged_data = df.resample('3S').mean()
    return averaged_data
------------------------------------------------------------------------------------------------

------------------------------③エラーのとき--------------------------------------------------
    #averaged_dataという名前の平均化されたリストを作成
    df = data.append(file_data)
    averaged_data = df.resample('3S').mean()
    return averaged_data
------------------------------------------------------------------------------------------------

------------------------------csv出力できたとき----------------------------------------------
    #averaged_dataという名前の平均化されたリストを作成
    df = data.append(file_data)
    averaged_data = df.resample('3S').mean()
    return averaged_data
------------------------------------------------------------------------------------------------

# データの読み込み
#Path関数を使用してファイルパスをp_Aという変数に指定
p_A = Path("Aフォルダ")
#glob関数を用いることでp_A = Pathのフォルダの中のcsv形式のファイル名を取得してdata_filesという名前でリスト化する
data_files = list(p_A.glob("*.csv"))
#上記で作成したread_data関数にdata_files引数を代入して、_input_data_Aという名前で結合したリストを作成
_input_data_A = read_data(data_files)


# A/B情報の書き込み
#drop関数を用いて「Trigger」列を削除、assign関数を用いて「A」列を挿入したinput_data_Aというリストを作成
input_data_A = _input_data_A.drop(columns='Trigger')

# 平均化データの書き込み
#to_csvでデータフレームのデータをcsvファイルに書き込む、（）の中にファイルパス/ファイル名.csvで指定、now.strftime関数を用いて現在時刻をファイル名に追加
input_data_A.to_csv("Bフォルダ/output" + ".csv", index=False, encoding="utf-8-sig")

試したこと

上記①～③と出力できた際ののエラー出た際のコード変更

補足情報（FW/ツールのバージョンなど）

ここにより詳細な情報を記載してください。

Comments

[mizumizumizu]

csvファイルは下記のような構成です
書ききれないため1部抜粋です

[LOGGING],RD81DL96_1,2,3,4
DATETIME[YYYY/MM/DD hh:mm:ss.s],INDEX,BIT[1;0],BIT[1;0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],SHORT[DEC.0],TRIGGER[*;-]
TIME,INDEX,E/E,E/E_TEST,瞬時負荷_0.1% 搬出CV1,瞬時負荷_0.1% 搬出CV2,瞬時負荷_0.1% 搬出CV3,瞬時負荷_0.1% Q1Uﾀﾞﾝﾊﾟ,瞬時負荷_0.1% Q1Lﾀﾞﾝﾊﾟ,瞬時負荷_0.1% Q2Uﾀﾞﾝﾊﾟ,瞬時負荷_0.1% Q2Lﾀﾞﾝﾊﾟ,瞬時負荷_0.1% (空き),瞬時負荷_0.1% (空き),瞬時負荷_0.1% (空き),瞬時負荷_0.1% (空き),瞬時負荷_0.1% (空き),瞬時負荷_0.1% (空き),瞬時負荷_0.1% (空き),瞬時負荷_0.1% (空き),瞬時負荷_0.1% 仮想主軸,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ U1,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ U2,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ U3,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ U4,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ U5,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ U6,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ U7,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ U8,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ U9,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ U10,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ U11,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ U12,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ U13,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ U14,瞬時負荷_0.1% (空き),瞬時負荷_0.1% (空き),瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ L1,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ L2,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ L3,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ L4,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ L5,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ L6,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ L7,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ L8,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ L9,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ L10,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ L11,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ L12,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ L13,瞬時負荷_0.1% 分割ﾀﾞﾝﾊﾟ L14,瞬時負荷_0.1% (空き),瞬時負荷_0.1% (空き),瞬時負荷_0.1% #1昇降,瞬時負荷_0.1% #2昇降,瞬時負荷_0.1% #3昇降,瞬時負荷_0.1% #4昇降,瞬時負荷_0.1% #5昇降,瞬時負荷_0.1% #6昇降,瞬時負荷_0.1% #7昇降,瞬時負荷_0.1% #8昇降,瞬時負荷_0.1% #9昇降,瞬時負荷_0.1% #10昇降,瞬時負荷_0.1% #11昇降,瞬時負荷_0.1% #12昇降,瞬時負荷_0.1% #13昇降,瞬時負荷_0.1% #14昇降,瞬時負荷_0.1% #15昇降,瞬時負荷_0.1% #16昇降,瞬時負荷_0.1% #19R昇降,瞬時負荷_0.1% #20R昇降,瞬時負荷_0.1% #21R昇降,瞬時負荷_0.1% #22R昇降,瞬時負荷_0.1% NR1R昇降,瞬時負荷_0.1% NR2R昇降,瞬時負荷_0.1% NR3R昇降,瞬時負荷_0.1% (空き),瞬時負荷_0.1% #19L昇降,瞬時負荷_0.1% #20L昇降,瞬時負荷_0.1% #21L昇降,瞬時負荷_0.1% #22L昇降,瞬時負荷_0.1% NR1L昇降,瞬時負荷_0.1% NR2L昇降,瞬時負荷_0.1% NR3L昇降,瞬時負荷_0.1% (空き),瞬時負荷_0.1% #17昇降,瞬時負荷_0.1% #18昇降,瞬時負荷_0.1% #23昇降,瞬時負荷_0.1% #24昇降,瞬時負荷_0.1% #25昇降,瞬時負荷_0.1% #26昇降,瞬時負荷_0.1% #27昇降,瞬時負荷_0.1% #28昇降,瞬時負荷_0.1% #29昇降,瞬時負荷_0.1% #30昇降,瞬時負荷_0.1% #31昇降,瞬時負荷_0.1% #32昇降,瞬時負荷_0.1% #33昇降,瞬時負荷_0.1% #34昇降,瞬時負荷_0.1% #35昇降,瞬時負荷_0.1% #36昇降,瞬時負荷_0.1% #37昇降,瞬時負荷_0.1% #38昇降,瞬時負荷_0.1% #39昇降,瞬時負荷_0.1% #40昇降,瞬時負荷_0.1% #41昇降,瞬時負荷_0.1% #42昇降,瞬時負荷_0.1% #43昇降,瞬時負荷_0.1% #44昇降,瞬時負荷_0.1% (空き),瞬時負荷_0.1% (空き),瞬時負荷_0.1% (空き),瞬時負荷_0.1% (空き),瞬時負荷_0.1% (空き),瞬時負荷_0.1% (空き),瞬時負荷_0.1% (空き),瞬時負荷_0.1% (空き),瞬時負荷_0.1% #1回転,瞬時負荷_0.1% #2回転,瞬時負荷_0.1% #3回転,瞬時負荷_0.1% #4回転,瞬時負荷_0.1% #5回転,瞬時負荷_0.1% #6回転,瞬時負荷_0.1% #7回転,瞬時負荷_0.1% #8回転,瞬時負荷_0.1% #9回転,瞬時負荷_0.1% #10回転,瞬時負荷_0.1% #11回転,瞬時負荷_0.1% #12回転,瞬時負荷_0.1% #13回転,瞬時負荷_0.1% #14回転,瞬時負荷_0.1% #15回転,瞬時負荷_0.1% #16回転,瞬時負荷_0.1% #19R回転,瞬時負荷_0.1% #20R回転,瞬時負荷_0.1% #21R回転,瞬時負荷_0.1% #22R回転,瞬時負荷_0.1% NR1R回転,瞬時負荷_0.1% NR2R回転,瞬時負荷_0.1% NR3R回転,瞬時負荷_0.1% (空き),瞬時負荷_0.1% #19L回転,瞬時負荷_0.1% #20L回転,瞬時負荷_0.1% #21L回転,瞬時負荷_0.1% #22L回転,瞬時負荷_0.1% NR1L回転,瞬時負荷_0.1% NR2L回転,瞬時負荷_0.1% NR3L回転,瞬時負荷_0.1% (空き),瞬時負荷_0.1% #17回転,瞬時負荷_0.1% #18回転,瞬時負荷_0.1% #23回転,瞬時負荷_0.1% #24回転,瞬時負荷_0.1% #25回転,瞬時負荷_0.1% #26回転,瞬時負荷_0.1% #27回転,瞬時負荷_0.1% #28回転,瞬時負荷_0.1% #29回転,瞬時負荷_0.1% #30回転,瞬時負荷_0.1% #31回転,瞬時負荷_0.1% #32回転,瞬時負荷_0.1% #33回転,瞬時負荷_0.1% #34回転,瞬時負荷_0.1% #35回転,瞬時負荷_0.1% #36回転,瞬時負荷_0.1% #37回転,瞬時負荷_0.1% #38回転,瞬時負荷_0.1% #39回転,瞬時負荷_0.1% #40回転,瞬時負荷_0.1% #41回転,瞬時負荷_0.1% #42回転,瞬時負荷_0.1% #43回転,瞬時負荷_0.1% #44回転,瞬時負荷_0.1% #23湾曲R,瞬時負荷_0.1% #24湾曲R,瞬時負荷_0.1% #25湾曲R,瞬時負荷_0.1% #26湾曲R,瞬時負荷_0.1% #27湾曲R,瞬時負荷_0.1% #28湾曲R,瞬時負荷_0.1% #29湾曲R,瞬時負荷_0.1% #30湾曲R,瞬時負荷_0.1% #31湾曲R,瞬時負荷_0.1% #32湾曲R,瞬時負荷_0.1% #33湾曲R,瞬時負荷_0.1% #34湾曲R,瞬時負荷_0.1% #23湾曲L,瞬時負荷_0.1% #24湾曲L,瞬時負荷_0.1% #25湾曲L,瞬時負荷_0.1% #26湾曲L,瞬時負荷_0.1% #27湾曲L,瞬時負荷_0.1% #28湾曲L,瞬時負荷_0.1% #29湾曲L,瞬時負荷_0.1% #30湾曲L,瞬時負荷_0.1% #31湾曲L,瞬時負荷_0.1% #32湾曲L,瞬時負荷_0.1% #33湾曲L,瞬時負荷_0.1% #34湾曲L,Trigger
2022/11/06 23:47:02.7,1550,0,0,0,0,0,17,2,39,16,0,0,0,0,0,0,0,0,0,7,4,3,3,9,6,0,2,3,7,8,0,11,3,0,0,4,5,7,11,5,4,7,0,4,1,8,13,25,4,0,0,258,302,318,361,348,373,412,358,314,333,307,330,325,331,324,344,324,352,323,328,327,320,324,0,0,0,0,0,0,0,0,0,283,409,148,483,481,577,648,718,725,771,730,684,736,660,306,416,309,340,357,324,339,386,2,486,0,0,0,0,0,0,0,0,87,35,138,59,105,78,116,100,64,49,60,58,59,58,85,82,64,72,77,105,51,55,41,0,0,0,0,0,0,0,0,0,61,87,132,117,108,80,70,12,91,65,86,53,68,42,57,28,61,45,61,34,36,63,52,45,80,17,29,35,76,58,31,34,79,33,57,3,34,1,70,3,8,13,24,14,38,42,37,50,
2022/11/06 23:47:02.8,1551,0,0,0,0,0,34,3,78,16,0,0,0,0,0,0,0,0,0,7,3,4,4,9,5,2,2,4,9,8,1,11,5,0,0,4,5,9,10,6,5,7,2,4,2,6,12,25,3,0,0,259,303,319,362,348,373,412,357,316,333,306,330,324,332,325,345,324,352,323,327,327,323,325,0,0,0,0,0,0,0,0,0,283,408,148,484,480,575,647,721,725,772,729,683,734,660,307,415,308,340,359,324,342,386,4,487,0,0,0,0,0,0,0,0,76,47,129,67,127,51,127,104,55,54,66,61,58,71,85,95,51,57,79,58,58,50,57,0,0,0,0,0,0,0,0,0,43,106,148,97,135,83,69,55,111,39,98,73,60,65,56,38,67,46,102,29,39,54,57,43,77,18,28,33,75,57,32,37,80,33,55,7,33,0,71,3,10,15,25,13,37,43,39,47,
2022/11/06 23:47:02.9,1552,0,0,0,0,0,6,2,24,17,0,0,0,0,0,0,0,0,0,6,3,4,4,10,6,1,1,4,8,8,1,11,4,0,0,3,5,8,8,6,5,6,0,3,1,8,13,26,3,0,0,258,304,319,362,349,374,414,358,315,332,307,329,323,331,325,345,323,352,324,327,328,321,324,0,0,0,0,0,0,0,0,0,285,407,146,483,480,576,646,715,726,772,730,684,734,658,305,417,310,340,357,324,340,384,4,486,0,0,0,0,0,0,0,0,66,41,130,50,106,64,111,91,62,50,50,70,47,61,89,78,69,55,97,78,47,61,54,0,0,0,0,0,0,0,0,0,59,98,122,97,123,99,85,42,120,36,103,63,57,53,50,26,74,47,60,32,47,61,69,37,77,18,30,35,77,57,31,35,78,33,57,3,33,0,67,3,8,13,25,14,35,42,42,49,
2022/11/06 23:47:03.0,1553,0,0,0,0,0,4,3,44,15,0,0,0,0,0,0,0,0,0,7,4,3,4,9,6,1,1,2,7,9,0,10,4,0,0,5,5,9,10,6,5,6,5,2,3,8,13,24,3,0,0,259,304,320,360,350,373,412,358,317,334,306,329,322,331,324,345,324,352,324,327,328,324,325,0,0,0,0,0,0,0,0,0,284,407,150,483,480,576,647,717,724,773,730,682,734,660,306,419,309,339,354,325,339,387,3,485,0,0,0,0,0,0,0,0,65,37,123,56,106,55,140,96,67,73,76,55,48,56,84,90,27,74,82,73,50,56,51,0,0,0,0,0,0,0,0,0,85,72,104,112,100,47,66,118,101,60,83,54,79,55,64,32,79,71,65,18,40,105,53,42,78,18,29,33,75,57,32,40,80,32,57,5,34,0,70,5,9,14,25,13,35,43,39,42,
2022/11/06 23:47:03.1,1554,0,0,0,0,0,81,2,62,16,0,0,0,0,0,0,0,0,0,8,3,3,4,8,5,2,0,4,9,9,0,10,3,0,0,4,5,8,9,6,5,9,1,4,2,7,15,26,3,0,0,259,305,320,360,349,373,410,358,316,334,307,331,321,331,324,345,324,351,324,327,325,320,325,0,0,0,0,0,0,0,0,0,284,410,148,485,480,576,648,716,726,772,729,685,734,657,305,416,308,339,361,323,342,387,3,488,0,0,0,0,0,0,0,0,70,43,123,65,106,63,134,77,59,69,61,71,54,47,74,72,3,90,147,67,19,69,48,0,0,0,0,0,0,0,0,0,56,89,87,83,53,64,104,79,85,80,98,59,61,62,60,19,59,44,67,35,33,66,56,44,79,18,27,36,76,58,34,34,80,34,57,4,33,0,70,3,13,15,24,14,36,47,39,50,
2022/11/06 23:47:03.2,1555,0,0,0,0,0,5,0,42,17,0,0,0,0,0,0,0,0,0,8,4,3,3,9,6,2,2,4,8,8,0,11,4,0,0,4,4,8,10,6,6,6,2,3,1,8,12,26,4,0,0,257,304,319,362,350,372,412,358,317,334,308,330,322,330,324,345,324,353,323,327,327,321,324,0,0,0,0,0,0,0,0,0,283,410,149,482,479,577,645,718,725,774,729,686,733,660,304,416,307,339,356,322,340,386,2,487,0,0,0,0,0,0,0,0,82,47,113,60,94,87,120,107,69,76,78,50,58,79,68,85,64,73,105,74,52,57,49,0,0,0,0,0,0,0,0,0,77,96,68,77,83,65,111,58,73,93,85,83,66,93,65,41,64,49,62,40,41,59,56,43,77,17,28,32,73,58,32,37,83,33,58,4,35,0,69,3,7,13,24,13,33,43,38,46,

Answer 1

複数のファイルを出力保存したいが1個のoutput.csvファイルしか出力保存されない

出力するファイル名を入力ファイル名に合せて変更することになるわけですが、「うまくやってくれる」機能はありません。なので、自分で制御して作りだす必要があります。

ファイルのパスはpathlib.Path にしているようですから、この機能を使って、情報を取り出して組み立てます。

• ファイルのディレクトリ名 (Path.parent)
• ファイル名の拡張子を除いた部分 (Path.stem)
• ファイル名の拡張子 (Path.suffix)

ただ、Path("Aフォルダ") で Aフォルダのパスが得られるのであれば、 Path("Bフォルダ") をディレクトリ名に使うのもありでしょう。

「Bフォルダ」に「0000583Ac.CSV」（末尾に小文字c追加）

としたいのであれば、

output_file_path = <ディレクトリ名(Bフォルダ)> / <stem> / "c" / "<拡張子>

という感じになります。

---

追記

だいぶ迷走してしまったので、こちらで直してみたコードです。
データが無いので動かしていませんから、バグはあると思います。
動かないとか、読んでみてわからないなどあれば質問ください。

■1つめは、 元の処理に近いもの
・ read_data関数の内容は見てみたところ、作ったリスト(data)を返していないし、最後のavaraged_dataしか返しておらず、意図不明だったので、 avaraged_dataのリストを返すように直しました。
・出力処理のところはほぼ書き直しています。read_dataがファイルのリストを受け取って結果しか返さないので、結果だけでは出力に必要なデータ(入力ファイル名)がないのでzipをつかって結合するなどしています。

from pathlib import Path
import pandas as pd


# 複数のcsvデータを読み込んで平均化する関数
#read_dataという名前の関数を作成する、filenameは引数であり関数の処理に渡される値
def read_data(filename):
    # dataという名前のリストを作成する処理を行う
    data = []
    # fileが変数、filenameがオブジェクト、のループ処理を行う、次の読み込み処理でfileという変数にfilenameというオブジェクトの中の要素（結合したいcsvファイル名）を入れていく
    for file in filename:
        # 処理内容、今回はcsvファイルをpythonに読み込む、pd.read_csvでcsv形式のファイルをPandasのDataFrameへ読み取ってfile_dataという要素名に定義する、fileにはcsvファイル名が入る、headerは先頭行を3行目に指定、encodingは文字コード指定
        df = pd.read_csv(file, encoding="cp932",skiprows=2,sep=',',index_col=0,parse_dates=True)
        #averaged_dataという名前のリストを作るための関数を行う、
        averaged_data = df.resample('3S').mean()
        #定義された要素名file_dataをdataリストに追加
        data.append(avaraged_data)
    return data



#パスA: 入力ファイルの格納ディレクトリ
p_A = Path("Aフォルダ")

# glob関数を用いることでp_A = Pathのフォルダの中のcsv形式の
# ファイル名を取得してdata_filesという名前でリスト化する
data_files = p_A.glob("*.csv")

# 上記で作成したread_data関数にdata_filesを引数に指定して実行
# 実行結果を input_data_Aに格納
input_data_A = read_data(data_files)


# データの書き込み
# 出力ディレクトリ
p_B = Path("Bフォルダ")

# 計算結果のinput_data_Aにファイル名の情報が入っていないので、かなり苦しい
# 入力ファイルのリスト(data_file)の並びと、結果ファイルの並びが同じであることを前提に処理
for input_file_path, avaraged_data in zip(data_files, input_data_A):
    output_file_path = p_B / (input_file_path.stem + "c.csv")
    avaraged_data.to_csv(output_file_path, index=False, encoding='utf-8-sig')

■2つめは、この処理に合うように書き換えたもの
ファイルを読んで、平均を計算して、結果を出力するというループにしました。
また、変数名/関数名も適切と思うようなものに改めています。

from pathlib import Path
import pandas as pd

# csvを読み込んで、平均を算出したdfを返す
def make_avaraged_data(filename):
    # csvデータを読み込む
    df = pd.read_csv(file, encoding="cp932",skiprows=2,sep=',',index_col=0,parse_dates=True)
    # 平均を算出
    averaged_data = df.resample('3S').mean()
    return avaraged_data

# 入力ディレクトリ
p_A = Path("Aフォルダ")
# 出力ディレクトリ
p_B = Path("Bフォルダ")

# 入力ファイルのリスト
input_files = p_A.glob("*.csv")

# 全ての入力ファイルについて処理を実施
for input_file_path in input_files
    # データの平均を算出
    avaraged_data = make_avaraged_data(input_file_path)
    # データの書き込み
    output_file_path = p_B / (input_file_path.stem + "c.csv")
    avaraged_data.to_csv(output_file_path, index=False, encoding='utf-8-sig')

---

質問を受けて追記

・2つ目のコードについて、「# csvを読み込んで、平均を算出したdfを返す」の「df = pd.read_csv(」の後ろの「file」を「def make_avaraged_data(filename):」の「filename」に変えたら実行できたのですが、これは関数名の後ろの引数は関数の中の処理の変数と一致しなければならないからという認識で合っていますでしょうか？

バグですね。 すみません。

「これは関数名の後ろの引数は関数の中の処理の変数と一致しなければならないから」というより、この関数は、受けとったcsv(のファイル名)をDataframeに読み込んで、平均化し、結果のDataframeを返すものですから、read_csvには仮引数を渡さなければならないのです。

もともとのコードだとここでforループを使っていたので変数とオブジェクトで2個の文字列を作成しなければいけませんでしたが、forが無くなったので1個で良くなり、さらに言えば「filename」でも「file」でもどちらでも良い？

もともとのコードでは、引数で受け取るのはファイル名のリストですから、そのままread_csv()には渡さず、リストをループで回したときのループ変数(file)を渡していたのです。

・returnを使う意味と使い方（後ろにdataが来るかaveraged_dataが来るか）について
正直リターンを使う意味についてイマイチピンと来ていないのですが下記のサイトに書いてあるようことから

「returnを使う意味」がわからないというのがわかりません。

サイト見てみました。 説明のしかたとしてはありかもしれません。

僕なりの理解と説明をしてみます。

関数というのは、本来引数を与えて実行すると値を返してくるもの です。 なので、returnがあるのが普通です。

平方根を計算する関数は、math.sqrt()ですが、これは引数の値の平方根を返してくる関数だと思うのが普通です。
「r2 = math.sqrt(2)」とすると、r2には2の平方根(1.4142...)が入ります。このとき、math.sqrt()関数が値を返すのに必要なのがreturnです。

使い方（後ろにdataが来るかaveraged_dataが来るか）については1つ目のコードがもともと

「return averaged_data」だったところを「return data」と変更したのは、後々read_data関数を変数に代入するときに使われる値がリスト「averaged_data」ではなくリスト「data」つまりcsvファイルの数だけ追加してまとめた方だからでしょうか？

説明したように「returnの使いかた」というのと、「後ろにdataが来るかaveraged_dataが来るか」は関係がありません。
「後ろにdataが来るかaveraged_dataが来るか」はその関数の仕様として何を返すべきかの問題です。
この関数は、たぶん、「ファイルのリストを受け取って、それぞれのファイルをDataframeに読み込み、平均化して返す」のが仕様でしょう。 そして、複数のものを返すのであれば、リストで返すのが自然です。
そうすると、もとのコードには2つの問題があります。
1つは、averaged_dataを返していることです。averaged_dataは結果のリストではありません。ループの中で1つのDataframeを平均化した結果を格納したものです。 これは、ループの度に書き換えられていて、ループ終了後には、最後の1回の結果しか入っていません。 なので、返すべきはリストである「data」です。
2つめは、その返すべきリスト(data)に入っているのが、平均化前のDataframeであることです。なので、dataにappendするのは、dfではなく、avaraged_dataにしなければなりません。

・「averaged_data」という変数が「# csvを読み込んで、平均を算出したdfを返す」と「# 全ての入力ファイルについて処理を実施」の両方で使われているのですが、これは同じ変数名で2回使っているだけでどちらかを違う変数名にしても問題ないでしょうか？それとも意図的に同じ変数名なのでしょうか？上手く言い表せないのですが、同じ変数名だと二重定義みたくなってしまう気がするのですが、順番に処理されるので最初に「averaged_data」を変数を使った後に、2回目に使う時には上書きされて1回目の処理とは無関係になるから大丈夫なのでしょうか？

変数にはスコープがあります。スコープというのは有効範囲のことです。
関数は1つのスコープになっていて、仮引数と内部の変数は外のスコープに影響しません。なので、二重定義になったりはしません。
2つのavaraged_dataは別ものなので「2回目に使う時には上書きされて1回目の処理とは無関係になるから大丈夫」ということでもありません。

・1つ目のコードはエラーが出たので直したら、エラーなく実行されたのですが、出力先のフォルダに何も格納されなかったのですが理由分かりますでしょうか？
直したのは「averaged_data」が「av a raged_data」になっている部分があったので全て「averaged_data」に修正しました

それもバグですね。すみません。

理由は見ただけではわかりません。
出力先のフォルダに何も格納されていないということは、最後の出力のループがまわっていないということだと思うので、その前の段階で入るべきデータが入っていないのだと思います。
要所で変数の値をprintするなどして、どこでデータがおかしくなっているのか確認してみたいところです。

・zip関数は調べたのですが「複数のリストを関数の引数にするためのもの」という認識でよろしいでしょうか？

zipは複数のリストから順に1つずつ取って新しいリストにして順に返す関数です。
以下のコードを実行してみると動きがわかると思います。

list(zip([1, 2, 3], ['a', 'b', 'c']))

「for input_file_path, averaged_data in zip(data_files, input_data_A):」の部分はオブジェクトの「data_files」と「input_data_A」は両方とも大元は「p_A.glob("*.csv")」で持ってきたフォルダ内のcsvファイル名、forループさせるには、オブジェクト ＝ コード内には書かれていない物（ファイル名など）を変数で定義して、その変数を後の処理で使う形にしないといけない決まりになっている、今回は「input_file_path」という変数を後ろにstemを付けて出力ファイルの名前付けに利用したい、一方で平均化したリスト（csvファイルの中に欲しい値）は「read_data関数」を「input_data変数」に定義して、forループで回すためにさらにそれを「averaged_data変数に」定義し直しているということでしょうか？
「出力ファイル名称付け」と「平均化したリストのCSV出力」をするには「2つの変数が必要」の理由がイマイチ分かっていませんが。

どうしてそのコードになったか説明するとわかるかもしれません。

まず、出力したいデータは「input_data_A」リストに入っていることはおわかりですよね。このリストには平均化したDataframeが入っています。であれば、

for avaraged_data in input_data_A:
    avaraged_data.to_csv(<出力ファイルパス>)

とすれば、結果が出力できます。
このとき、出力ファイルパスはどうすれば得られるでしょう(この質問の元ネタですね)。作るには元のcsvの名前が必要になということでしたよね。ところが、このfor分の中には、元のcsvの情報がありません。 平均化したデータには元のファイルの名前は付いていません。

どうすればいいかと考えたとき、元のcsvのリスト(data_files)を使えないかと思うわけです。そのリスト(data_files)と(input_data_A)の並びが同じです。
data_files = ['0000583A.CSV', '0000583B.CSV', ...]
input_data_A = [<0000583A.CSVを平均化したもの>, <0000583B.CSVを平均化したもの>, ...]
のような感じです。

先程のループでは、input_data_Aで回していますので、対応するdata_filesにあるファイル名が取れればいいわけです。
方法はいくつかありますが、今回は、先に出たzip関数を使いました。

zip(data_files, input_data_A) とすると、
[['0000583A.CSV', <0000583A.CSVを平均化したもの>], ['0000583B.CSV', <0000583B.CSVを平均化したもの>,]...]
というような、組み合わせのリストになって、

for input_file_path, avaraged_data in zip(data_files, input_data_A):

とすると、 input_file_path と avaraged_data に順にファイル名と 平均化したデータが割り当てられてループするようになり、そのファイル名から<出力ファイルパス>を作ることができるようになるわけです。

Comments

[mizumizumizu]

ご回答頂きありがとうございます。
追加質問で恐縮なのですがアドバイス頂いたことを参考にして下記のように書いてみましたが
data_files.stemの部分が変数扱いされずに「data_files.stemc.csv」というファイルが1つできてしまいました。
_input_data_A.to_csv("Bフォルダ/data_files.stem"+"c" + ".csv", index=False, encoding="utf-8-sig")

Bフォルダ/の後ろに変数としてdata_files.stemを書く方法を教えて頂きたいです。
よろしくお願い致します。

[TakaiY]

「"Bフォルダ/data_files.stem"」これでは全て文字列になってしまうので、そうなりますね。
data_fileがpathlib.Pathのオブジェクトであれば、
Path("Bフォルダ") / data_file.stem + "c.csv"
とすればいいでしょう。

ただし、質問のコードの data_files はリストですので、 data_files.stem はエラーになりますよ。

[mizumizumizu]

TakaiY様

ご回答頂きありがとうございます。
自分で1日考えてみたのですが解決できませんでした。

下記のアドバイスを参考に
＞＞Path("Bフォルダ") / data_file.stem + "c.csv"
＞＞ただし、質問のコードの data_files はリストですので、 data_files.stem はエラーになりますよ。

stemはファイルのパスを入力として受け取り、それをファイルパスから抽出してファイル名を返すのでdata_files はリストなのでダメ。p_A = Path("Aフォルダ")のp_Aを.stemの前に置くことでAフォルダ内のファイル名を抽出すると思い

_input_data_A.to_csv(Path("Bフォルダ)/p_A.stem+"c.csv", index=False, encoding="utf-8-sig")

上記のコードで「TypeError: unsupported operand type(s) for +: 'WindowsPath' and 'str'」が出てしまった
p_A.stemの部分が変数で"c.csv"の部分が文字列なので「変数+文字列」はできないということかと思い下記に変更

_input_data_A.to_csv(Path("Bフォルダ)/str(p_A.stem)+"c.csv", index=False, encoding="utf-8-sig")

しかし同じエラーが出てしまった
エラーに「'WindowsPath' and 'str'」と書いているので「p_A.stem」がファイル名を取り出したことになっていなくてファイルpathなど思われているのか？

上記のようなことを考えたのですが解決策が分からず、もし可能でしたらご教示頂けると幸いです。
何卒宜しくお願い致します

[TakaiY]

あ、僕の式が間違えていました。ごめんなさい。

Path("Bフォルダ") / data_file.stem + "c.csv"
これでは左から計算されてしまい、
<Bフォルダとstemを結合したPath> + "c.csv"
となってしまい、その、Path と 文字列の足し算は定義されていないというエラーになってしまいます。(Path と文字列やPathの結合は 「/」を使います

意図は、 stem と 'c.csv'を くっつけてから、 Pathと結合することだったので、()を付けなくてはなりませんでした。
Path("Bフォルダ") / (data_file.stem + "c.csv")

[mizumizumizu]

TakaiY様

ご回答頂きありがとうございます。

頂いたアドバイスの通りやってみたところ
Path("Bフォルダ") / (p_A.stem + "c.csv")と変更したらエラーは出なくなりました。
p_A = Path("Aフォルダ")です。

しかし出力されたファイルの名前が、Aフォルダのパスが「C:/D/E/F/G」だとしたら
「Gc.csv」という名前で1つだけ出力されてしまいました。
「G」に当たる部分がAフォルダの名称ですので、Aフォルダ内の複数のcsvファイルの名称ではなくフォルダ名、それも1ファイルのみの出力となってしまいました。

原因分かりますでしょうか？

[TakaiY]

ファイル名をちゃんと組み立てなければなりません。

p_A が Path("Aフォルダ")であれば、p_A.stem がAフォルダの名前なのは当然です。
処理中のファイルの名称を使いたいのであれば、 それをpathlib.Pathオブジェクトにしたものに .stem を付けなければなりません。

[mizumizumizu]

ご回答頂きありがとうございます。
なるほど、やってみます！
ありがとうございます。

[mizumizumizu]

TakaiY様

昨日から試してみたのですが行き詰まってしまいました。
問題点をご教示頂けないでしょうか？

頂いた下記のアドバイスの部分について変更を行いました。
>>処理中のファイルの名称を使いたいのであれば、 それをpathlib.Pathオブジェクトにしたものに .stem を付けなければなりません。

Path("Bフォルダ") / (p_A.stem + "c.csv")
p_A = Path("Aフォルダ")、Aフォルダのパスが「C:/D/E/F/G」では「Gc.csv」となり
GはAのフォルダ名称となってしまうので

p_B = Path("p_A/")を作成しました。
p_Aの後ろに「/」を付けることでAフォルダの内部を参照する＝複数のcsvファイルのある階層を参照する

またcsv出力もループさせないと複数ファイルを出力しないかと思い、下記のようにしました
for i, file in enumerate(p_B.glob('*.csv')):
_input_data_A.to_csv(Path("Bフォルダ")/(p_B.stem+"c.csv"), index=False, encoding="utf-8-sig")

なので全コードで下記のように書いて実行しましたが、「Gc.csv」という名前で1つだけ出力されてしまうのが解決しませんでした。

--------------------------------------------------------------------------------------------------------------------
from pathlib import Path
import pandas as pd

# 複数のcsvデータを読み込んで平均化する関数
#read_dataという名前の関数を作成する、filenameは引数であり関数の処理に渡される値
def read_data(filename):
# dataという名前のリストを作成する処理を行う
data = []
# fileが変数、filenameがオブジェクト、のループ処理を行う、次の読み込み処理でfileという変数にfilenameというオブジェクトの中の要素（結合したいcsvファイル名）を入れていく
for file in filename:
# 処理内容、今回はcsvファイルをpythonに読み込む、pd.read_csvでcsv形式のファイルをPandasのDataFrameへ読み取ってfile_dataという要素名に定義する、fileにはcsvファイル名が入る、headerは先頭行を3行目に指定、encodingは文字コード指定
df = pd.read_csv(file, encoding="cp932",skiprows=2,sep=',',index_col=0,parse_dates=True)
#定義された要素名file_dataをdataリストに追加
data.append(df)
#averaged_dataという名前のリストを作るための関数を行う、
averaged_data = df.resample('3S').mean()
return averaged_data

# データの読み込み
#Path関数を使用してファイルパスをp_Aという変数に指定
p_A = Path("Aフォルダ")
#Aフォルダ内の複数csvファイルのパスを指定
p_B = Path("p_A/")
#glob関数を用いることでp_A = Pathのフォルダの中のcsv形式のファイル名を取得してdata_filesという名前でリスト化する
file_csv = p_A.glob("*.csv")
data_files = list(file_csv)
#上記で作成したread_data関数にdata_files引数を代入して、_input_data_Aという名前で結合したリストを作成
_input_data_A = read_data(data_files)

# 結合データの書き込み
#to_csvでデータフレームのデータをcsvファイルに書き込む、（）の中にファイルパス/ファイル名.csvで指定

for i, file in enumerate(p_B.glob('*.csv')):
_input_data_A.to_csv(Path("Bフォルダ")/(p_B.stem+"c.csv"), index=False, encoding="utf-8-sig")

--------------------------------------------------------------------------------------------------------------------

[TakaiY]

迷走しちゃってますね。

回答に追記するので、しばらくお待ちください。

[mizumizumizu]

ありがとうございます。
何度もお手数をお掛けしてすみません。

[mizumizumizu]

TakaiY様

コードを載せて頂きありがとうございました。
2つめのコードでやりたいことが実行できました。
何度もお答え頂いたおかげです。
大変助かりました。
本当にありがとうございました。

いくつか質問があるのですが可能でしたら後学のために教えて頂けるとありがたいです。

・2つ目のコードについて、「# csvを読み込んで、平均を算出したdfを返す」の「df = pd.read_csv(」の後ろの「file」を「def make_avaraged_data(filename):」の「filename」に変えたら実行できたのですが、これは関数名の後ろの引数は関数の中の処理の変数と一致しなければならないからという認識で合っていますでしょうか？
もともとのコードだとここでforループを使っていたので変数とオブジェクトで2個の文字列を作成しなければいけませんでしたが、forが無くなったので1個で良くなり、さらに言えば「filename」でも「file」でもどちらでも良い？

・returnを使う意味と使い方（後ろにdataが来るかaveraged_dataが来るか）について
正直リターンを使う意味についてイマイチピンと来ていないのですが下記のサイトに書いてあるようことから
今回の2つ目のコードの場合は「return averaged_data」が無いと「# 全ての入力ファイルについて処理を実施」の「averaged_data = make_averaged_data(input_file_path)」の部分で「make_averaged_data」関数の中身がnoneになってしまうので付けているのでしょうか？つまり関数を作ってただ関数名を打ち込んでその計算結果を出すだけならばreturnはいらないが、関数名を後々別の変数に代入するときにはreturnを入れておかないとエラーになってしまうのでしょうか？

サイト
https://pouhon.net/python-return/1776/

使い方（後ろにdataが来るかaveraged_dataが来るか）については1つ目のコードがもともと
「return averaged_data」だったところを「return data」と変更したのは、後々read_data関数を変数に代入するときに使われる値がリスト「averaged_data」ではなくリスト「data」つまりcsvファイルの数だけ追加してまとめた方だからでしょうか？

・「averaged_data」という変数が「# csvを読み込んで、平均を算出したdfを返す」と「# 全ての入力ファイルについて処理を実施」の両方で使われているのですが、これは同じ変数名で2回使っているだけでどちらかを違う変数名にしても問題ないでしょうか？それとも意図的に同じ変数名なのでしょうか？上手く言い表せないのですが、同じ変数名だと二重定義みたくなってしまう気がするのですが、順番に処理されるので最初に「averaged_data」を変数を使った後に、2回目に使う時には上書きされて1回目の処理とは無関係になるから大丈夫なのでしょうか？

・1つ目のコードはエラーが出たので直したら、エラーなく実行されたのですが、出力先のフォルダに何も格納されなかったのですが理由分かりますでしょうか？
直したのは「averaged_data」が「av a raged_data」になっている部分があったので全て「averaged_data」に修正しました

・zip関数は調べたのですが「複数のリストを関数の引数にするためのもの」という認識でよろしいでしょうか？
「for input_file_path, averaged_data in zip(data_files, input_data_A):」の部分はオブジェクトの「data_files」と「input_data_A」は両方とも大元は「p_A.glob("*.csv")」で持ってきたフォルダ内のcsvファイル名、forループさせるには、オブジェクト ＝ コード内には書かれていない物（ファイル名など）を変数で定義して、その変数を後の処理で使う形にしないといけない決まりになっている、今回は「input_file_path」という変数を後ろにstemを付けて出力ファイルの名前付けに利用したい、一方で平均化したリスト（csvファイルの中に欲しい値）は「read_data関数」を「input_data変数」に定義して、forループで回すためにさらにそれを「averaged_data変数に」定義し直しているということでしょうか？
「出力ファイル名称付け」と「平均化したリストのCSV出力」をするには「2つの変数が必要」の理由がイマイチ分かっていませんが。

1個目のコードではforループ2回回さなければいけなかったのが、2個目のコードでは1回で済むようになり、すっきりとしたコードで書けるということは分かりました。

かなり長文になってしまい、分かりづらい文章となってしまい申し訳ございませんが可能でしたら教えて頂けるとありがたいです。

[mizumizumizu]

TakaiY様

ご返信が遅れてしまい大変申し訳ありませんでした。
コロナになってしまい寝込んでいました。

またご丁寧に説明をして頂きありがとうございました。
コードと説明を読み比べていくと大体の部分が理解できたように思えました。
一番しっくりきていなかったreturnについても100%理解できたわけでは無いですが
大前提として関数は「本来引数を与えて実行すると値を返してくるもの です。 なので、returnがあるのが普通です。」と頭に入れておくようにすることでreturnの使う意味など悩む必要が無くなりそうです。

この度はいろいろな質問に丁寧に答えて頂き大変助かりました。
本当にありがとうございました。