Question

我需要从大型csv读取int，然后用它们做特定的总和。目前我的算法是：

String csvFile = "D:/input.csv";
String line = "";
String cvsSplitBy = ";";
Vector<Int[]> converted = new Vector<Int[]>();

try (BufferedReader br = new BufferedReader(new FileReader(csvFile))) {

   while ((line = br.readLine()) != null) {
       String[] a = line.split(";",-1);
       int[] b = new int[a.length]; 
       for (int n = 0, n < a.length(), n++){
          b[n] = Integer.parseInt(a[n]);
       }
       converted.add(b);
   }
} 

catch (IOException e) {
e.printStackTrace();
}

int x = 7;
int y = 5;
int sum = 0;    

for (int m = 0; m < converted.size(); m++){
  for (n = 0, n < x, n++){
      sum = sum + converted.get(m)[n];
  }
  System.out.print(sum + " ");



  for (int n = x + y, n < converted.get(m).length, n = n + y){
      sum = 0;
      for (int o = n -y; o < n; o++)
         sum = sum + converted.get(m)[n];
      }
      System.out.print(sum + " ");
  }
  System.out.println("");
}

我试图做的是获得csv行的前x个成员的总和，然后每个+ y得到x个成员的总和。（在这种情况下，第一个x - 7的总和（0-6的总和），然后是下一个x - 7的总和，但是后来的y - 5列（5-11的总和），（10-16的总和）......并且为每一行写下它们（最后收集行号最大（0-6的总和），（总和5-11）..，所以最终结果应该是例如5,9,13,155 ... ，这意味着第5行的最大总和为0-6，第9行的最大总和为5-11 ......）正如您所看到的，这是一种非常低效的方式。首先，我将整个csv读入字符串[]，然后到int []并保存到Vector。然后我创建了非常低效的循环来完成工作。我需要这个尽可能快地运行，因为我将使用非常大的csv与许多不同的x和y。我在想什么，但不知道该怎么做：

在阅读循环中完成这些总和
以不同方式执行总和，并不总是向后循环x成员（保存最后一笔金额然后减去旧金额并添加新成员，或其他更快的方式来做子阵列总和）
使用intStream和parallelism（并行可能很棘手，因为最终我正在寻找最大值）
使用不同的输入然后csv？
以上所有？

我怎样才能尽快做到这一点？谢谢

Answer 1

由于总和是每行，所以你不需要先读取所有内存。

Path csvFile = Paths.get("D:/input.csv");
try (BufferedReader br = Files.newBufferedReader(csvFile, StandardCharsets.ISO_8859_1)) {

     String line;
     while ((line = br.readLine()) != null) {
         int[] b = lineToInts(line);
         int n = b.length; 

         // Sum while reading:
         int sum = 0;
         for (int i = 0; i < 7; ++i) {
             sum += b[i];
         }
         System.out.print(sum + " ");

         sum = 0;
         for (int i = n - 5; i < n; ++i) {
             sum += b[i];
         }
         System.out.print(sum + " ");

         System.out.println();
     }
}

private static int[] lineToInts(String line) {
     // Using split is slow, one could optimize the implementation.
     String[] a = line.split(";", -1);
     int[] b = new int[a.length]; 
     for (int n = 0, n < a.length(), n++){
         b[n] = Integer.parseInt(a[n]);
     }
     return b;
}

更快的版本：

private static int[] lineToInts(String line) {
    int semicolons = 0;
    for (int i = 0; (i = line.indexOf(';', i)) != -1; ++i) {
        ++semicolons;
    }
    int[] b = new int[semicolons + 1];
    int pos = 0;
    for (int i = 0; i < b.length(); ++i) {
        int pos2 = line.indexOf(';', pos);
        if (pos2 < 0) {
            pos2 = line.length();
        }
        b[i] = Integer.parseInt(line.substring(pos, pos2));
        pos = pos2 + 1;
    }
    return b;
}

暂且不说：Vector很旧，最好使用List和ArrayList。

List<int[]> converted = new ArrayList<>(10_000);

在初始容量的可选参数之上给出：万。

奇怪的try-with-resource语法try (BufferedReader br = ...) {可确保br始终自动关闭。即使是异常或返回。

并行性和重新格式化问题

你可以阅读所有行

List<String> lines = Files.readAllLines(csvFile, StandardCharsets.ISO_8859_1);

而不是像以下那样使用并行流：

OptionalInt max = lines.parallelStream()
    .mapToInt(line -> {
        int[] b = lineToInst(line);
        ...
        return sum;
    }).max();

或：

IntStream.range(0, lines.size()).parallel()
    .mapToObj(i -> {
        String line = lines.get(i);
        ...
        return new int[] { i, sum5, sum7 };
    });

Answer 2

您可能会在阅读输入时尝试创建一些总和。使用Integer，Integer

类型的HashMaps也是可行的

java读取csv +子阵列的特定总和 - 最有效的方式

2 个答案: