草庐IT

python - 在python中顺序读取巨大的CSV文件

coder 2023-08-17 原文

我有一个 10gb 的 CSV 文件，其中包含一些我需要使用的信息。

由于我的电脑内存有限，我无法一次读取内存中的所有文件。相反，我只想迭代读取此文件的某些行。

假设在第一次迭代时我想读取前 100 个，在第二次迭代时我想读取 101 到 200 等等。

有没有一种在 Python 中执行此任务的有效方法？ Pandas 可以为此提供一些有用的东西吗？还是有更好的(在内存和速度方面)方法？

最佳答案

这是简短的回答。

chunksize = 10 ** 6
for chunk in pd.read_csv(filename, chunksize=chunksize):
    process(chunk)

这是很长的答案。

首先，您需要导入 pandas 和 sqlalchemy。下面的命令将执行此操作。

import pandas as pd
from sqlalchemy import create_engine

接下来，设置一个指向您的 csv 文件的变量。这不是必需的，但确实有助于重用。

file = '/path/to/csv/file'

有了这三行代码，我们就可以开始分析数据了。让我们看一下 csv 文件的“头部”，看看内容可能是什么样子。

print pd.read_csv(file, nrows=5)

此命令使用 pandas 的“read_csv”命令仅读取 5 行 (nrows=5)，然后将这些行打印到屏幕上。这可以让您了解 csv 文件的结构，并确保数据的格式对您的工作有意义。

在我们实际处理数据之前，我们需要对其进行一些处理，以便开始对其进行过滤以处理数据的子集。这通常是我会使用 pandas 的数据框来做的，但是对于大数据文件，我们需要将数据存储在其他地方。在这种情况下，我们将设置一个本地 sqllite 数据库，分 block 读取 csv 文件，然后将这些 block 写入 sqllite。

为此，我们首先需要使用以下命令创建 sqllite 数据库。

csv_database = create_engine('sqlite:///csv_database.db')

接下来，我们需要分 block 遍历 CSV 文件并将数据存储到 sqllite 中。

chunksize = 100000
i = 0
j = 1
for df in pd.read_csv(file, chunksize=chunksize, iterator=True):
      df = df.rename(columns={c: c.replace(' ', '') for c in df.columns}) 
      df.index += j
      i+=1
      df.to_sql('table', csv_database, if_exists='append')
      j = df.index[-1] + 1

使用这段代码，我们将 block 大小设置为 100,000 以保持 block 的大小可管理，初始化几个迭代器 (i=0, j=0)，然后运行一个 for 循环。 for 循环从 CSV 文件中读取数据 block ，从任何列名中删除空格，然后将数据 block 存储到 sqllite 数据库中 (df.to_sql(…))。

如果您的 CSV 文件足够大，这可能需要一段时间，但等待的时间是值得的，因为您现在可以使用 pandas ‘sql’ 工具从数据库中提取数据，而不必担心内存限制。

现在要访问数据，您可以运行如下命令:

df = pd.read_sql_query('SELECT * FROM table', csv_database)

当然，使用 ‘select *…’ 会将所有数据加载到内存中，这是我们试图避免的问题，因此您应该将 from 过滤器放入您的 select 语句中以过滤数据。例如:

df = pd.read_sql_query('SELECT COl1, COL2 FROM table where COL1 = SOMEVALUE', csv_database)

关于python - 在python中顺序读取巨大的CSV文件，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/42900757/

pythonCSVcodepresectionpandas

有关python - 在python中顺序读取巨大的CSV文件的更多相关文章

  1. ruby - 使用 RubyZip 生成 ZIP 文件时设置压缩级别 - 2

    我有一个Ruby程序，它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重，我想提高压缩级别，因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗？是否有另一个允许指定压缩级别的Ruby库？ 最佳答案 这是我通过查看ruby​​zip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d

  2. ruby - 其他文件中的 Rake 任务 - 2

    我试图在一个项目中使用rake，如果我把所有东西都放到Rakefile中，它会很大并且很难读取/找到东西，所以我试着将每个命名空间放在lib/rake中它自己的文件中，我添加了这个到我的rake文件的顶部:Dir['#{File.dirname(__FILE__)}/lib/rake/*.rake'].map{|f|requiref}它加载文件没问题，但没有任务。我现在只有一个.rake文件作为测试，名为“servers.rake”，它看起来像这样:namespace:serverdotask:testdoputs"test"endend所以当我运行rakeserver:testid时

  3. ruby - 如何在 Ruby 中顺序创建 PI - 2

    出于纯粹的兴趣，我很好奇如何按顺序创建PI，而不是在过程结果之后生成数字，而是让数字在过程本身生成时显示。如果是这种情况，那么数字可以自行产生，我可以对以前看到的数字实现垃圾收集，从而创建一个无限系列。结果只是在Pi系列之后每秒生成一个数字。这是我通过互联网筛选的结果:这是流行的计算机友好算法，类机器算法:defarccot(x,unity)xpow=unity/xn=1sign=1sum=0loopdoterm=xpow/nbreakifterm==0sum+=sign*(xpow/n)xpow/=x*xn+=2sign=-signendsumenddefcalc_pi(digits

  4. ruby-on-rails - 在 Rails 中将文件大小字符串转换为等效千字节 - 2

    我的目标是转换表单输入，例如“100兆字节”或“1GB”，并将其转换为我可以存储在数据库中的文件大小(以千字节为单位)。目前，我有这个:defquota_convert@regex=/([0-9]+)(.*)s/@sizes=%w{kilobytemegabytegigabyte}m=self.quota.match(@regex)if@sizes.include?m[2]eval("self.quota=#{m[1]}.#{m[2]}")endend这有效，但前提是输入是倍数(“gigabytes”，而不是“gigabyte”)并且由于使用了eval看起来疯狂不安全。所以，功能正常，

  5. python - 如何使用 Ruby 或 Python 创建一系列高音调和低音调的蜂鸣声？ - 2

    关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点？我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等)，但我确实想创建一个输出文件。

  6. ruby-on-rails - Rails 3 中的多个路由文件 - 2

    Rails2.3可以选择随时使用RouteSet#add_configuration_file添加更多路由。是否可以在Rails3项目中做同样的事情？ 最佳答案 在config/application.rb中:config.paths.config.routes在Rails3.2(也可能是Rails3.1)中，使用:config.paths["config/routes"] 关于ruby-on-rails-Rails3中的多个路由文件，我们在StackOverflow上找到一个类似的问题

  7. ruby - 将差异补丁应用于字符串/文件 - 2

    对于具有离线功能的智能手机应用程序，我正在为Xml文件创建单向文本同步。我希望我的服务器将增量/差异(例如GNU差异补丁)发送到目标设备。这是计划:Time=0Server:hasversion_1ofXmlfile(~800kiB)Client:hasversion_1ofXmlfile(~800kiB)Time=1Server:hasversion_1andversion_2ofXmlfile(each~800kiB)computesdeltaoftheseversions(=patch)(~10kiB)sendspatchtoClient(~10kiBtransferred)Cl

  8. ruby - 如何将脚本文件的末尾读取为数据文件(Perl 或任何其他语言) - 2

    我正在寻找执行以下操作的正确语法(在Perl、Shell或Ruby中):#variabletoaccessthedatalinesappendedasafileEND_OF_SCRIPT_MARKERrawdatastartshereanditcontinues. 最佳答案 Perl用__DATA__做这个:#!/usr/bin/perlusestrict;usewarnings;while(){print;}__DATA__Texttoprintgoeshere 关于ruby-如何将脚

  9. ruby - 使用 Vim Rails，您可以创建一个新的迁移文件并一次性打开它吗？ - 2

    使用带有Rails插件的vim，您可以创建一个迁移文件，然后一次性打开该文件吗？textmate也可以这样吗？ 最佳答案 你可以使用rails.vim然后做类似的事情::Rgeneratemigratonadd_foo_to_bar插件将打开迁移生成的文件，这正是您想要的。我不能代表textmate。 关于ruby-使用VimRails，您可以创建一个新的迁移文件并一次性打开它吗？，我们在StackOverflow上找到一个类似的问题： https://sta

  10. ruby - 用逗号、双引号和编码解析 csv - 2

    我正在使用ruby​​1.9解析以下带有MacRoman字符的csv文件#encoding:ISO-8859-1#csv_parse.csvName,main-dialogue"Marceu","Giveittohimóhe,hiswife."我做了以下解析。require'csv'input_string=File.read("../csv_parse.rb").force_encoding("ISO-8859-1").encode("UTF-8")#=>"Name,main-dialogue\r\n\"Marceu\",\"Giveittohim\x97he,hiswife.\"\

随机推荐