Question

是否有内置方法使用read_csv只读取文件的第一行n而不知道行的长度？我有一个大文件，需要很长时间才能阅读，偶尔只想使用第一行，比方说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。） / p>

如果我知道行总数，我可以执行类似footer_lines = total_lines - n的行，并将其传递给skipfooter关键字arg。我目前的解决方案是使用python手动获取第一个n行，将它串行地捕获到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))

这不是那么糟糕，但是有一种更简洁，“pandasic”（？）方式用关键字或其他方式来做吗？

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

似乎有用。使用标准大型测试文件之一（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

Answer 2

我会在 read_csv 中使用“skiprows”参数，例如：

df = pd.read_csv(filename, skiprows=range(2, 20000), nrows=10000)

方法为pandas数据帧读取前几行

2 个答案: