关注RPA请访问网站:
www.i-search.com.cn
学Python,用RPA,欢迎下载使用
https://www.i-search.com.cn/?from=csdn
使用 pandas 分块处理大文件
问题:今天在处理系统导出的 70 万行数据。打开文件进行读取时因超过默认读取上限导致流程出错,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
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,指定迭代 = 真
iterator=True 报道查看同样的的英文 TextFileReader 对象
reader = pd.read_table(‘tmp.sv’, sep=’\t’, iterator=Tr