如何在python中使用生成器循环大型镶木地板文件？

Question

是否可以使用生成器打开镶木地板文件并逐行迭代？这是为了避免将整个镶木地板文件加载到内存中。

该文件的内容是pandas DataFrame。

Answer 1

您不能逐行迭代，因为它不是存储方式。您可以按如下方式遍历行组：

from fastparquet import ParquetFile
pf = ParquetFile('myfile.parq')
for df in pf.iter_row_groups():
    process sub-data-frame df

Answer 2

您可以使用 tensorflow_io 进行迭代。

import tensorflow_io as tfio

dataset = tfio.IODataset.from_parquet('myfile.parquet')

for line in dataset.take(3):
    # print the first 3 lines
    print(line)