python - 在python中拆分大文本文件的有效方法

标签 python performance algorithm sorting optimization

<分区>

这是以前的 question在哪里提高 python 中函数的时间性能我需要找到一种有效的方法来拆分我的文本文件

我有以下文本文件(超过 32 GB)未排序

....................
0 274 593869.99 6734999.96 121.83 1,
0 273 593869.51 6734999.92 121.57 1,
0 273 593869.15 6734999.89 121.57 1,
0 273 593868.79 6734999.86 121.65 1,
0 272 593868.44 6734999.84 121.65 1,
0 273 593869.00 6734999.94 124.21 1,
0 273 593868.68 6734999.92 124.32 1,
0 274 593868.39 6734999.90 124.44 1,
0 275 593866.94 6734999.71 121.37 1,
0 273 593868.73 6734999.99 127.28 1,
.............................

第一列和第二列是网格中 x、y、z 点位置的 ID(例如:0 -273)。

def point_grid_id(x,y,minx,maxy,distx,disty):
    """give id (row,col)"""
    col = int((x - minx)/distx)
    row = int((maxy - y)/disty)
    return (row, col)

(minx, maxx) 是我的网格的原点，大小为 distx,disty。 Id 瓦片的数量是

tiles_id = [j for j in np.ndindex(ny, nx)] #ny = number of row, nx= number of columns 
from [(0,0),(0,1),(0,2),...,(ny-1,nx-1)]
n = len(tiles_id)

我需要将 ~32 GB 的文件分割成 n (= len(tiles_id)) 个文件。

我可以在不排序但读取文件 n 次的情况下做到这一点。出于这个原因，我希望为 (0,0) (= tiles_id[0]) 开头的文件找到一种有效的拆分方法。之后我只能读取一次拆分文件。

最佳答案

无论您使用 Python 还是命令行工具 (sort)，对于 32GB 的文件都很难进行排序。数据库好像太强大了，不过可能会用到。但是，如果您不愿意使用数据库，我建议您使用 tile id 简单地将源文件拆分为文件。

你读了一行，用 tile id 命名了一个文件名，然后把这行附加到文件中。并继续直到源文件完成。它不会太快，但至少它与排序相比具有 O(N) 的复杂度。

当然，也可以对文件进行单独排序并将它们连接起来。排序 32GB 文件的主要瓶颈应该是内存，而不是 CPU。

我想是这样的:

def temp_file_name(l):
    id0, id1 = l.split()[:2]
    return "tile_%s_%s.tmp" % (id0, id1)

def split_file(name):
    ofiles = {}
    try:
        with open(name) as f:
            for l in f:
                if l:
                    fn = temp_file_name(l)
                    if fn not in ofiles:
                        ofiles[fn] = open(fn, 'w')
                    ofiles[fn].write(l)
    finally:
        for of in ofiles.itervalues():
            of.close()

split_file('srcdata1.txt')

但是如果有很多图 block ，超过了您可以打开的文件数量，您可以这样做:

def split_file(name):
    with open(name) as f:
        for l in f:
            if l:
                fn = temp_file_name(l)
                with open(fn, 'a') as of:
                    of.write(l)

最完美主义的方法是在达到打开文件数限制后关闭一些文件并将其从字典中删除。

关于python - 在python中拆分大文本文件的有效方法，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/15227254/