Question

我有一个很大的txt文件（52.375 kb，ln 86213，col 420）。

name    | code  | school 
--------|-------|--------
steven  | 1234  | harvard
Michael | 98765 | MIT

我想阅读它并将其作为熊猫的数据框。

Df = statement_read(myfile.Txt)

我不想手动将txt转换为csv。我想通过python读取myfile.txt，因此可以通过熊猫进行处理。

Answer 1

如果要使用pandas处理大文件，则需要使用pandas块，例如10 GB的文件，可以选择100 mb的块大小作为示例，请注意，块大小是您决定在每个块中读取的行。

import pandas as pd
for chunk in pd.read_csv('file.csv',chunksize=3):
    print(chunk[['name','code']])

更新

假设您拥有包含数十亿条记录的示例文件

name,code,school

student1,c1,sch22
student2,c2,sch22
student3,c3,sch22
student4,c4,sch22
student5,c5,sch22
student6,c6,sch23
  .       .   .
  .       .   .

上面的代码应按如下所示在每个补丁中提取3行

       name code school
0  student1   c1  sch22
1  student2   c2  sch22
2  student3   c3  sch22
       name code school
3  student4   c4  sch22
4  student5   c5  sch22
5  student6   c6  sch23
       name code school
6  student7   c7  sch24
7  student8   c8  sch25
8  student9   c9  sch26

如何读取大文件txt，然后制作数据框

1 个答案:

更新