открыть выделенные строки с помощью панд, используя "chunksize" и / или "итератор"

python pandas csv

9257 просмотра

1 ответ

У меня есть большой CSV-файл, и я открываю его с помощью pd.read_csv следующим образом:

df = pd.read_csv(path//fileName.csv, sep = ' ', header = None)

Поскольку файл очень большой, я хотел бы иметь возможность открывать его в строках

from 0 to 511
from 512 to 1023
from 1024 to 1535
...
from 512*n to 512*(n+1) - 1

Где n = 1, 2, 3 ...

Если я добавлю chunksize = 512 в аргументах read_csv

df = pd.read_csv(path//fileName.csv, sep = ' ', header = None, chunksize = 512)

и я печатаю

df.get_chunk(5)

Чем я могу открыть строки от 0 до 5, или я могу разделить файл на части по 512 строк, используя цикл for

data = []
for chunks in df:
    data = data + [chunk]

Но это совершенно бесполезно, так как файл должен быть полностью открыт и требует времени. Как я могу читать только строки от 512 * n до 512 * (n + 1).

Оглядываясь вокруг, я часто видел, что "chunksize" используется вместе с "итератором" следующим образом.

 df = pd.read_csv(path//fileName.csv, sep = ' ', header = None, iterator = True, chunksize = 512)

Но после многих попыток я все еще не понимаю, какие преимущества дают мне эту логическую переменную. Не могли бы вы объяснить мне это, пожалуйста?

Автор: Stefano Fedele Источник Размещён: 08.11.2019 11:14

Ответы (1)


17 плюса

Решение

Как я могу читать только строки от 512 * n до 512 * (n + 1)?

df = pd.read_csv(fn, header=None, skiprows=512*n, nrows=512)

Вы можете сделать это так (и это довольно полезно):

for chunk in pd.read_csv(f, sep = ' ', header = None, chunksize = 512):
    # process your chunk here

Демо-версия:

In [61]: fn = 'd:/temp/a.csv'

In [62]: pd.DataFrame(np.random.randn(30, 3), columns=list('abc')).to_csv(fn, index=False)

In [63]: for chunk in pd.read_csv(fn, chunksize=10):
   ....:     print(chunk)
   ....:
          a         b         c
0  2.229657 -1.040086  1.295774
1  0.358098 -1.080557 -0.396338
2  0.731741 -0.690453  0.126648
3 -0.009388 -1.549381  0.913128
4 -0.256654 -0.073549 -0.171606
5  0.849934  0.305337  2.360101
6 -1.472184  0.641512 -1.301492
7 -2.302152  0.417787  0.485958
8  0.492314  0.603309  0.890524
9 -0.730400  0.835873  1.313114
          a         b         c
0  1.393865 -1.115267  1.194747
1  3.038719 -0.343875 -1.410834
2 -1.510598  0.664154 -0.996762
3 -0.528211  1.269363  0.506728
4  0.043785 -0.786499 -1.073502
5  1.096647 -1.127002  0.918172
6 -0.792251 -0.652996 -1.000921
7  1.582166 -0.819374  0.247077
8 -1.022418 -0.577469  0.097406
9 -0.274233 -0.244890 -0.352108
          a         b         c
0 -0.317418  0.774854 -0.203939
1  0.205443  0.820302 -2.637387
2  0.332696 -0.655431 -0.089120
3 -0.884916  0.274854  1.074991
4  0.412295 -1.561943 -0.850376
5 -1.933529 -1.346236 -1.789500
6  1.652446 -0.800644 -0.126594
7  0.520916 -0.825257 -0.475727
8 -2.261692  2.827894 -0.439698
9 -0.424714  1.862145  1.103926

В каком случае «итератор» может быть полезен?

при использовании chunksize- все куски будут иметь одинаковую длину. Используя iteratorпараметр, вы можете определить, сколько данных ( get_chunk(nrows)) вы хотите прочитать в каждой итерации:

In [66]: reader = pd.read_csv(fn, iterator=True)

давайте прочитаем первые 3 строки

In [67]: reader.get_chunk(3)
Out[67]:
          a         b         c
0  2.229657 -1.040086  1.295774
1  0.358098 -1.080557 -0.396338
2  0.731741 -0.690453  0.126648

Теперь мы прочитаем следующие 5 строк:

In [68]: reader.get_chunk(5)
Out[68]:
          a         b         c
0 -0.009388 -1.549381  0.913128
1 -0.256654 -0.073549 -0.171606
2  0.849934  0.305337  2.360101
3 -1.472184  0.641512 -1.301492
4 -2.302152  0.417787  0.485958

следующие 7 строк:

In [69]: reader.get_chunk(7)
Out[69]:
          a         b         c
0  0.492314  0.603309  0.890524
1 -0.730400  0.835873  1.313114
2  1.393865 -1.115267  1.194747
3  3.038719 -0.343875 -1.410834
4 -1.510598  0.664154 -0.996762
5 -0.528211  1.269363  0.506728
6  0.043785 -0.786499 -1.073502
Автор: MaxU Размещён: 20.08.2016 11:45
Вопросы из категории :
32x32