如何解决如何通过pd.read_csv和块量化大型CSV文件的阅读进度?
Analog / Example
假设我有一个列表:
test_list = [2,5,3,6]
number_of_elements = len(test_list)
然后enumerate
可与number_of_elements
配合使用,以跟踪循环的进度,如下所示:
for j,element in enumerate(test_list):
do something
print('completed {} out of {}'.format(j,number_of_elements))
问题
可以读取大的csv文件,如下所示(reference answer):
chunksize = 10 ** 6
for chunk in pd.read_csv(filename,chunksize=chunksize):
process(chunk)
如何跟踪此循环的进度?
尝试
file_chunks = pd.read_csv(file_name,chunksize=100000)
number_of_chunks = len(file_chunks)
for j,chunk in enumerate(pd.read_csv(file_name,chunksize=100000)):
print(j,number_of_chunks)
以下是错误:
TypeError: object of type 'TextFileReader' has no len()
解决方法
您几乎拥有了它,唯一的问题是len
没有简单的方法可以在读取文件之前知道文件的大小。
如果您这样做:
file_chunks = pd.read_csv(file_name,chunksize=100000)
for i,chunk in enumerate(file_chunks):
print(i)
那行得通。
此外,这是Dask
(一个模仿大型文件的大熊猫的python库)的好用例
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。