Question

我有一个大的csv文件（~10GB），大约有4000列。我知道我期望的大部分数据都是int8，所以我设置：

pandas.read_csv('file.dat', sep=',', engine='c', header=None, 
                na_filter=False, dtype=np.int8, low_memory=False)

事情是，最后一列（第4000位）是int32，我可以告诉read_csv默认使用int8，在第4000列，使用int 32吗？

谢谢

Answer 1

如果你确定这个数字，你可以像这样重新创建字典：

dtype = dict(zip(range(4000),['int8' for _ in range(3999)] + ['int32']))

考虑到这是有效的：

import pandas as pd
import numpy as np

data = '''\
1,2,3
4,5,6'''

fileobj = pd.compat.StringIO(data)
df = pd.read_csv(fileobj, dtype={0:'int8',1:'int8',2:'int32'}, header=None)

print(df.dtypes)

返回：

0     int8
1     int8
2    int32
dtype: object

来自文档：

dtype：列名称或列表 - ＆gt;类型，默认无

数据或列的数据类型。例如。 {'a'：np.float64，'b'：np.int32}   使用str或object来保留和不解释dtype。如果转换器   如果指定，它们将应用于dtype转换的INSTEAD。

Answer 2

由于您没有标题，因此列名称是它们出现的整数顺序，即第一列是df[0]。要以编程方式将最后一列设置为int32，您可以读取文件的第一行以获取数据帧的宽度，然后构造要使用的整数类型的字典，并将列数作为钥匙。

import numpy as np
import pandas as pd

with open('file.dat') as fp:
    width = len(fp.readline().strip().split(','))
    dtypes = {i: np.int8 for i in range(width)}
    # update the last column's dtype
    dtypes[width-1] = np.int32

    # reset the read position of the file pointer
    fp.seek(0)
    df = pd.read_csv(fp, sep=',', engine='c', header=None, 
                     na_filter=False, dtype=dtypes, low_memory=False)

使用pandas

2 个答案: