python - 根据条件从超大 (48GB) CSV 文件中提取行

Question

我有一个非常大的 CSV 文件，其中包含超过 5 亿行。

但是我只需要根据特定条件从中获取几千行。 我目前正在使用:

with open('/home/Documents/1681.csv', 'rb') as f:
    reader = csv.DictReader(f)
    rows = [row for row in reader if row['flag_central'] == 1]

这里的条件是，如果 flag_central == 1，我需要该行。

但是，由于文件非常大，我无法执行上面的代码。我相信这是因为我正在使用的 for 循环导致了这个问题。

我是否可以根据上述条件从 CSV 文件中提取这些特定行？

Answer 1

如果这是一次性任务，我建议先使用 unix 命令，然后再处理提取物:

cat file | awk -F , '{ if ($5 == "1") print $0 }' > extract.csv

其中 -F 指定列分隔符，5 是列号。首先通过

解决这个问题

cat file | head -n 1 | tr ',' '\n' | nl | grep flag_central
=>
5   flag_central
^ this is the field number ($5)

这样您就不会产生先将 csv 文件转换为 python 对象的成本。取决于您的用例 YMMV。