栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

【Pandas】chunksize分块处理大型csv文件

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

【Pandas】chunksize分块处理大型csv文件

– 错误的操作导致保存了1TB以上的csv,要对csv重新读取处理,直接使用read_csv()不带任何参数,会把RAM撑爆。
– 所以使用chunksize:不一次性将文件读入内存(RAM)中,而是分多次。
官方示例: https://pandas.pydata.org/pandas-docs/stable/user_guide/io.html#io-chunking

import pandas as pd
import time
start = time.perf_counter() # calculate running time
chunksize = 5000000
reader = pd.read_csv('absolute_path/filename.csv',
                     encoding='utf-8',
                     on_bad_lines='skip',
                     chunksize=chunksize,
                     iterator=True)
# 'on_bad_lines' is to solve: Error tokenizing data. C error: Expected 1 fields in line 3, saw 2
for i, ck in enumerate(reader):
    print(i, '', len(ck))
    ck.to_csv('../data/a_' + str(i) + '.csv', index=False, mode='a+', header=['Source', 'URL', 'Source_title'])
end = time.perf_counter()
print('using time: %s seconds' % (end-start)

Ref:
https://blog.csdn.net/w55100/article/details/90111254
https://blog.csdn.net/qq_30031221/article/details/109446157
https://blog.csdn.net/qq_42363032/article/details/115178869
https://blog.csdn.net/sinolzeng/article/details/113970949

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/840481.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号