python多线程读取文件内容_python 超大txt 按行分块多线程读取

首先：使用ultra edit 打开获取txt行数;

然后：确定开启的线程数量，计算每个线程读取txt的行数设置为n_size

import time, threading

import pandas as pd

from itertools import islice

'''

Reader类，继承threading.Thread

@__init__方法初始化

@run方法实现了读文件的操作

'''

class Reader(threading.Thread):

def __init__(self, file_name, n, nlong):

super(Reader, self).__init__()

self.file_name = file_name

self.n = n

self.nlong = nlong

self.data = pd.DataFrame(columns=[

'发展渠道编码（全渠道）','发展渠道名称','客户id（脱敏后的移动用户识别码）','年龄','性别','产品名称（201907）','档位（201907）','出账收入（201907）','产品名称（201908）','档位（201908）','出账收入（201908）','产品名称（201909）','档位（201909）','出账收入（201909）','产品名称（201910）','档位（201910）','出账收入（201910）','产品名称（201911）','档位（201911）','出账收入（201911）','产品名称（201912）','档位（201912）','出账收入（201912）','入网时间','离网时间取唯一标识','2019年7月','工作地的经纬度网格','2019年7月居住地的经纬度网格','2019年8月工作地的经纬度网格','2019年8月居住地的经纬度网格','2019年9月工作地的经纬度网格','2019年9月居住地的经纬度网格','2019年10月工作地的经纬度网格','2019年10月居住地的经纬度网格','2019年11月工作地的经纬度网格','2019年11月居住地的经纬度网格','2019年12月工作地的经纬度网格','2019年12月居住地的经纬度网格','2019年11月每个周六10:00-15:00出现频次最多位置的经纬度网格','2019年11月每个周日10:00-15:00出现频次最多位置的经纬度网格','2019年12月每个周六10:00-15:00出现频次最多位置的经纬度网格','2019年12月每个周日10:00-15:00出现频次最多位置的经纬度网格'])

def run(self):

for line in islice(open(self.file_name,'r',encoding='utf-8'),self.n,self.nlong):

print(self.n)

self.data.loc[self.n] = line.split('|')

self.n = self.n+1

return self.data

if __name__ == '__main__':

file_name = r'E:\work\渠道规划\2020年联通营业厅规划\甲方数据\移网话单数据.rar,北京渔网-面.rar,字段名称.xlsx\移网话单数据\YYT_ZHB1.txt'

#线程数量

thread_num = 500

#起始时间

start_time = time.clock()

#txt按行切分n_start 起始行，n_end 终止行,n_size 切分行数

n_size= 33101

n_start = [x*n_size for x in range(thread_num)]

n_end = [(x+1)*n_size for x in range(thread_num)]

t = []

#生成线程

for i in range(thread_num):

t.append(Reader(file_name, n_start[i],n_end[i]))

#开启线程

for i in range(thread_num):

t[i].start()

for i in range(thread_num):

t[i].join()

#结束时间

end_time = time.clock()

print ("Cost time is %f" % (end_time - start_time))

data = pd.DataFrame(columns=[

'发展渠道编码（全渠道）','发展渠道名称','客户id（脱敏后的移动用户识别码）','年龄','性别','产品名称（201907）','档位（201907）','出账收入（201907）','产品名称（201908）','档位（201908）','出账收入（201908）','产品名称（201909）','档位（201909）','出账收入（201909）','产品名称（201910）','档位（201910）','出账收入（201910）','产品名称（201911）','档位（201911）','出账收入（201911）','产品名称（201912）','档位（201912）','出账收入（201912）','入网时间','离网时间取唯一标识','2019年7月','工作地的经纬度网格','2019年7月居住地的经纬度网格','2019年8月工作地的经纬度网格','2019年8月居住地的经纬度网格','2019年9月工作地的经纬度网格','2019年9月居住地的经纬度网格','2019年10月工作地的经纬度网格','2019年10月居住地的经纬度网格','2019年11月工作地的经纬度网格','2019年11月居住地的经纬度网格','2019年12月工作地的经纬度网格','2019年12月居住地的经纬度网格','2019年11月每个周六10:00-15:00出现频次最多位置的经纬度网格','2019年11月每个周日10:00-15:00出现频次最多位置的经纬度网格','2019年12月每个周六10:00-15:00出现频次最多位置的经纬度网格','2019年12月每个周日10:00-15:00出现频次最多位置的经纬度网格'])

for i in t:

data = data.append(i.data)