使用Python處理大型CSV文件

作者：ant 2023-10-17 16:24:27

本教程將詳細(xì)介紹如何使用Python和pandas庫(kù)來(lái)選擇性地讀取和處理大型CSV文件中的字段，以避免內(nèi)存不足的問(wèn)題。

使用Python處理大型CSV文件

處理大型CSV文件時(shí)，可能會(huì)遇到內(nèi)存限制等問(wèn)題。一種常見(jiàn)的解決方案是使用Python的pandas庫(kù)，它允許我們選擇性地讀取文件的特定部分，而不是一次性加載整個(gè)文件，這在面對(duì)大數(shù)據(jù)集時(shí)尤為重要。

本教程將詳細(xì)介紹如何使用Python和pandas庫(kù)來(lái)選擇性地讀取和處理大型CSV文件中的字段，以避免內(nèi)存不足的問(wèn)題。

1.選擇性讀取字段

在此步驟中，我們通過(guò)usecols參數(shù)選擇性地讀取感興趣的列，以減輕內(nèi)存負(fù)擔(dān)。

import pandas as pd


# 指定CSV文件的路徑
csv_file_path = "<文件路徑>"


# 指定需要提取的字段列名
selected_columns = ['unified_code', 'reg_addr']


# 使用pd.read_csv()讀取指定列的數(shù)據(jù)
data = pd.read_csv(csv_file_path, usecols=selected_columns)


# 顯示讀取的數(shù)據(jù)
print(data.head())


# 保存讀取的數(shù)據(jù)到新的CSV文件中
csv_output_file_path = "<輸出文件路徑>"
data.to_csv(csv_output_file_path, index=False)


print("數(shù)據(jù)已保存為CSV文件：", csv_output_file_path)

2.數(shù)據(jù)合并

我們有兩個(gè)CSV文件，需要基于'unified_code'字段進(jìn)行合并。pandas的merge函數(shù)允許我們進(jìn)行這樣的操作。

import pandas as pd



# 指定兩個(gè)CSV文件的路徑

csv_file1_path = "<文件1路徑>"

csv_file2_path = "<文件2路徑>"



# 讀取兩個(gè)CSV文件

data1 = pd.read_csv(csv_file1_path)

data2 = pd.read_csv(csv_file2_path)



# 基于'unified_code'字段合并數(shù)據(jù)

merged_data = data1.merge(data2, on='unified_code', how='inner')



# 顯示合并后的數(shù)據(jù)

print(merged_data.head())



# 保存合并后的數(shù)據(jù)到新的CSV文件中

merged_csv_file_path = "合并后的數(shù)據(jù).csv"

merged_data.to_csv(merged_csv_file_path, index=False)



print("匹配成功的數(shù)據(jù)已保存為CSV文件：", merged_csv_file_path)

3.生成唯一ID并保存數(shù)據(jù)

最后，我們?yōu)槊啃袛?shù)據(jù)生成一個(gè)唯一的ID，對(duì)數(shù)據(jù)進(jìn)行篩選，并將結(jié)果保存到新的CSV文件中。

import pandas as pd



# 指定CSV文件的路徑

csv_file_path = "合并后的數(shù)據(jù).csv"



# 讀取CSV文件

data = pd.read_csv(csv_file_path)



# 為每一行生成唯一的ID

data['ID'] = range(1, len(data) + 1)



# 選擇性保留字段

selected_columns = ['ID', 'unified_code', 'reg_addr']

data = data[selected_columns]



# 保存清理后的數(shù)據(jù)到新的CSV文件中

output_csv_file_path = "clean.csv"

data.to_csv(output_csv_file_path, index=False)



print("數(shù)據(jù)已保存為CSV文件：", output_csv_file_path)

總結(jié)

本教程演示了如何使用Python和pandas庫(kù)對(duì)大型CSV文件進(jìn)行選擇性讀取、合并和保存，以避免內(nèi)存不足的問(wèn)題。這種方法在處理大數(shù)據(jù)集時(shí)非常有用，能夠顯著提高數(shù)據(jù)處理的效率。

責(zé)任編輯：華軒來(lái)源： PaperCodeTips

Python CSV