下面由golang教學欄位介紹golang高效處理大檔案_使用Pandas分塊處理大文件,希望對需要的朋友有幫助!
問題:今天在處理快手的用戶資料時,遇到了一個差不多600M的txt文本,用sublime打開都蹦了,我用pandas. read_table()去讀,差不多花了近2分鐘,最後打開發現差不多3千萬行資料。這只是打開,如果要處理不知得多費勁。
解決:我翻了一下文檔,這一類讀取文件的函數有兩個參數:chunksize、iterator
原理就是不一次性把檔案資料讀入記憶體中,而是分多次。
read_csv 和read_table 有一個chunksize 參數,用以指定一個區塊大小(每次讀取多少行),傳回一個可迭代的TextFileReader對象。
table=pd.read_table(path+'kuaishou.txt',sep='t',chunksize=1000000) for df in table: 对df处理 #如df.drop(columns=['page','video_id'],axis=1,inplace=True) #print(type(df),df.shape)打印看一下信息
我這裡又對文件進行了劃分,分成若干個子文件分別處理(沒錯,to_csv也同樣有chunksize參數)
iterator=True同樣回傳的是TextFileReader物件
reader = pd.read_table('tmp.sv', sep='t', iterator=True) df=reader.get_chunk(10000) #通过get_chunk(size),返回一个size行的块 #接着同样可以对df处理
直接看看pandas文件在這一方面的內容吧。
以上是golang怎麼有效率地處理大文件的詳細內容。更多資訊請關注PHP中文網其他相關文章!