背景
《利用Python进行数据分析》,第 6 章的数据加载操作 read_xxx
,有 chunksize
参数可以进行逐块加载。
经测试,它的本质就是将文本分成若干块,每次处理 chunksize
行的数据,最终返回一个TextParser
对象,对该对象进行迭代遍历,可以完成逐块统计的合并处理。
示例代码
文中的示例代码分析如下:
from pandas import DataFrame,Series import pandas as pd path='D:/AStudy2018/pydata-book-2nd-edition/examples/ex6.csv' # chunksize return TextParser chunker=pd.read_csv(path,chunksize=1000) # an array of Series tot=Series([]) chunkercount=0 for piece in chunker: print '------------piece[key] value_counts start-----------' #piece is a DataFrame,lenth is chunksize=1000,and piece[key] is a Series ,key is int ,value is the key column print piece['key'].value_counts() print '------------piece[key] value_counts end-------------' #piece[key] value_counts is a Series ,key is the key column, and value is the key count tot=tot.add(piece['key'].value_counts(),fill_value=0) chunkercount+=1 #last order the series tot=tot.order(ascending=False) print chunkercount print '--------------'
流程分析
首先,例子数据 ex6.csv 文件总共有 10000 行数据,使用 chunksize=1000
后,read_csv
操作返回一个 TextParser
对象,该对象总共有10个元素,遍历过程中打印 chunkercount
验证得到。
其次,每个 piece
对象是一个 DataFrame
对象,piece['key']
得到的是一个 Series
对象,默认是数值索引,值为 csv 文件中的 key 列的值,即各个字符串。
将每个 Series 的 value_counts
作为一个Series,与上一次统计的 tot
结果进行 add
操作,最终得到所有块数据中各个 key 的累加值。
最后,对 tot 进行 order 排序,按降序得到各个 key 的值在 csv 文件中出现的总次数。
这里很巧妙了使用 Series 对象的 add 操作,对两个 Series 执行 add 操作,即合并相同key:key相同的记录的值累加,key不存在的记录设置填充值为0。
输出结果为:
标签:
Python,逐块读取文本
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件!
如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
白云城资源网 Copyright www.dyhadc.com
暂无“Python 数据分析之逐块读取文本的实现”评论...
更新日志
2024年11月08日
2024年11月08日
- 雨林唱片《赏》新曲+精选集SACD版[ISO][2.3G]
- 罗大佑与OK男女合唱团.1995-再会吧!素兰【音乐工厂】【WAV+CUE】
- 草蜢.1993-宝贝对不起(国)【宝丽金】【WAV+CUE】
- 杨培安.2009-抒·情(EP)【擎天娱乐】【WAV+CUE】
- 周慧敏《EndlessDream》[WAV+CUE]
- 彭芳《纯色角3》2007[WAV+CUE]
- 江志丰2008-今生为你[豪记][WAV+CUE]
- 罗大佑1994《恋曲2000》音乐工厂[WAV+CUE][1G]
- 群星《一首歌一个故事》赵英俊某些作品重唱企划[FLAC分轨][1G]
- 群星《网易云英文歌曲播放量TOP100》[MP3][1G]
- 方大同.2024-梦想家TheDreamer【赋音乐】【FLAC分轨】
- 李慧珍.2007-爱死了【华谊兄弟】【WAV+CUE】
- 王大文.2019-国际太空站【环球】【FLAC分轨】
- 群星《2022超好听的十倍音质网络歌曲(163)》U盘音乐[WAV分轨][1.1G]
- 童丽《啼笑姻缘》头版限量编号24K金碟[低速原抓WAV+CUE][1.1G]