正在创建一个数据框并将其写入 .csv 文件。我知道它有超过 100 万行,因为一旦我在 Excel 中打开它,它就会达到 1,048,576 行的限制。
如果我使用wc -l secondarydataset.csv
终端打印出100001
,这是为什么?当我在终端中打印 pandas df 时,它只显示 100000 行。而它实际上还有更多。
此外,我正在将 seconddataset.csv
导入到 Google 的数据工作室,但我发现并非所有行都已导入。我感觉我的一些行在导入之前就被删除了。
DataFrame
或 df.to_csv()
是否发生过任何奇怪的事情?
我的部分代码:
def initialize_analyticsreporting():
credentials = ServiceAccountCredentials.from_json_keyfile_name(
KEY_FILE_LOCATION, SCOPES)
# Build the service object.
analytics = build('analyticsreporting', 'v4', credentials=credentials)
return analytics
def get_report(analytics):
'''Queries the Analytics Reporting API V4.
Args:
analytics: An authorized Analytics Reporting API V4 service object.
Returns:
The Analytics Reporting API V4 response.
'''
return analytics.reports().batchGet(
body={
'reportRequests': [
{
'viewId': VIEW_ID,
'pageSize': 100000000,
'dateRanges': [{'startDate': '90daysAgo', 'endDate': 'yesterday'}],
'metrics': [{'expression': 'ga:adClicks'}, {'expression': 'ga:impressions'}, {'expression': 'ga:adCost'}, {'expression': 'ga:CTR'}, {'expression': 'ga:CPC'}, {'expression': 'ga:costPerTransaction'}, {'expression': 'ga:transactions'}, {'expression': 'ga:transactionsPerSession'}, {'expression': 'ga:pageviews'}, {'expression': 'ga:timeOnPage'}],
'dimensions': [{'name': 'ga:adMatchedQuery'}, {'name': 'ga:campaign'}, {'name': 'ga:adGroup'}, {'name': 'ga:adwordsCustomerID'}, {'name': 'ga:date'}],
'orderBys': [{'fieldName': 'ga:impressions', 'sortOrder': 'DESCENDING'}]
}]
}
).execute()
def print_response(response):
global df
list = []
# get report data
for report in response.get('reports', []):
# set column headers
columnHeader = report.get('columnHeader', {})
dimensionHeaders = columnHeader.get('dimensions', [])
metricHeaders = columnHeader.get(
'metricHeader', {}).get('metricHeaderEntries', [])
rows = report.get('data', {}).get('rows', [])
for row in rows:
# create dict for each row
dict = {}
dimensions = row.get('dimensions', [])
dateRangeValues = row.get('metrics', [])
# fill dict with dimension header (key) and dimension value (value)
for header, dimension in zip(dimensionHeaders, dimensions):
dict[header] = dimension
# fill dict with metric header (key) and metric value (value)
for i, values in enumerate(dateRangeValues):
for metric, value in zip(metricHeaders, values.get('values')):
# set int as int, float a float
if ',' in value or '.' in value:
dict[metric.get('name')] = float(value)
else:
dict[metric.get('name')] = int(value)
list.append(dict)
df = pd.DataFrame(list)
return df
analytics = initialize_analyticsreporting()
response = get_report(analytics)
print_response(response)
0
1
2
...
99997
99998
99999
[100000 rows x 36 columns]
df 不是空的,我只是懒得包含数据。
然后我重命名列并添加新列,然后导出文件:
df.to_csv('SecondDataset.csv', encoding="utf-8", index=False)
感谢您的建议。
最佳答案
当你这样做时
df = pd.DataFrame(list)
Pandas 创建基于范围的列名称。您可以使用df.columns
查看它们。
额外的一行是 pandas 创建的列名称。
如果您不需要额外的行,请保存使用,
df.to_csv('SecondDataset.csv', header=False)
关于python - 检查终端中的 .csv 文件有多少行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59754723/