在Python中使用csv.DictReader函数时,有没有办法读取.csv文件的某些行?
例如,如果您只想加载 .csv 文件的第 10-20 行而不先加载整个数据集。
我有几个 .csv 文件,每个文件有 2 亿行,包含 10 个 field_name 数据条目 - 这就是为什么我使用 DictReader 而不是简单的 csv.read()。
这是我当前方法的一个简单示例:
import csv
from tqdm import tqdm
field_names = ['A','B','C']
IDs = []
with open(file_1) as f:
reader = csv.DictReader(f,field_names,delimiter=',')
row_count = 0
for row in tqdm(reader):
row_count+=1
ID = row['A']
if ID not in IDs == True:
IDs.append(ID)
您可以看到为什么循环遍历 2 亿行会很慢,并且循环中的任何进一步条件或处理只会大大减慢速度。
因此,迭代行组然后对它们进行多线程以节省时间是有意义的。
我考虑过的事情:
- 使用 pandas csv 读取例程(您仍然需要加载 整个数据集在开始)
- 如我的示例所示迭代行 代码,记录行数,然后在多线程中重新加载行 批处理。
- 使用生成器而不是迭代器(例如,参见 ThreadPool and Pool for parallel processing )
非常感谢!
最佳答案
您可以使用enumerate
来生成行索引,并在索引达到目标时打破
循环:
IDs = set()
for i, row in enumerate(reader):
if i > 9:
IDs.add(row['A'])
elif i > 19:
break
请注意,您可以将 ID
设置为集合而不是列表,以提高获取唯一 ID 的效率。
关于python - csv.DictReader 只读取某些行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/53340694/