使用Pandas分块解决大文件
发布时间：2021-06-04 18:41:46 所属栏目：大数据 来源：互联网
导读：使用Pandas分块处理大文件 问题：今天在处理快手的用户数据时，遇到了一个差不多600M的txt文本，用sublime打开都蹦了，我用pandas.read_table()去读，差不多花了近2分钟，最后打开发现差不多3千万行数据。这仅仅是打开，如果要处理不知得多费劲。 解决：我翻
|
使用Pandas分块处理大文件
问题：今天在处理快手的用户数据时，遇到了一个差不多600M的txt文本，用sublime打开都蹦了，我用pandas.read_table()去读，差不多花了近2分钟，最后打开发现差不多3千万行数据。这仅仅是打开，如果要处理不知得多费劲。
解决：我翻了一下文档，这一类读取文件的函数有两个参数：chunksize、iterator
原理就是不一次性把文件数据读入内存中，而是分多次。
1、指定chunksize分块读取文件
read_csv 和 read_table 有一个 chunksize 参数，用以指定一个块大小(每次读取多少行)，返回一个可迭代的 TextFileReader 对象。
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12345
我这里又对文件进行了划分，分成若干个子文件分别处理(没错，to_csv也同样有chunksize参数)
2、指定iterator=True
iterator=True同样返回的是TextFileReader对象
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文档在这一方面的内容吧。
【编辑推荐】
Pandas做数据可视化具体操作，快来看看吧
你知道Python中数据处理库Pandas是如何诞生的吗？
Pandas数据合并与拼接的5种方法
Pandas万花筒：让绘图变得更美观
5个可以帮助Pandas进行数据预处理的可视化图表
 （编辑：广安站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
