python - 读取 Pandas 数据框前几行的方法

Question

有没有一种内置方法可以使用 read_csv 来只读取文件的前 n 行，而无需提前知道行的长度？我有一个需要很长时间才能读取的大文件，并且偶尔只想使用第一行，比如 20 行来获取它的样本(并且不想加载完整的东西并占据它的头部)。

如果我知道总行数，我可以执行 footer_lines = total_lines - n 之类的操作并将其传递给 skipfooter 关键字 arg。我目前的解决方案是用 python 和 StringIO 手动抓取第一行 n 到 pandas:

import pandas as pd
from StringIO import StringIO

n = 20
with open('big_file.csv', 'r') as f:
    head = ''.join(f.readlines(n))

df = pd.read_csv(StringIO(head))

这还不错，但是有没有更简洁的“pandasic”(？)方法来使用关键字或其他东西？

Answer 1

我认为您可以使用 nrows 参数。来自 the docs :

nrows : int, default None

    Number of rows of file to read. Useful for reading pieces of large files

这似乎有效。使用标准的大型测试文件之一(988504479 字节，5344499 行):

In [1]: import pandas as pd

In [2]: time z = pd.read_csv("P00000001-ALL.csv", nrows=20)
CPU times: user 0.00 s, sys: 0.00 s, total: 0.00 s
Wall time: 0.00 s

In [3]: len(z)
Out[3]: 20

In [4]: time z = pd.read_csv("P00000001-ALL.csv")
CPU times: user 27.63 s, sys: 1.92 s, total: 29.55 s
Wall time: 30.23 s