Python和生成器以CSV格式处理行
希望这是一个允许的问题,但我希望得到一些建议,如何将下面处理文件中的行以生成数据帧的代码转换为使用生成器并生成数据帧的代码,因为使用list和append的实现太慢了 这是我提出的解决方案,但我真的希望避免使用非常慢的列表和追加操作。我希望能找到一个更酷的发电机和产量解决方案,但在使用发电机时还不够舒服 文件中的示例行:Python和生成器以CSV格式处理行,python,pandas,generator,Python,Pandas,Generator,希望这是一个允许的问题,但我希望得到一些建议,如何将下面处理文件中的行以生成数据帧的代码转换为使用生成器并生成数据帧的代码,因为使用list和append的实现太慢了 这是我提出的解决方案,但我真的希望避免使用非常慢的列表和追加操作。我希望能找到一个更酷的发电机和产量解决方案,但在使用发电机时还不够舒服 文件中的示例行: "USNC3255","27","US","NC","LANDS END","72305006","KNJM","KNCA","KNKT","T72305006","","
"USNC3255","27","US","NC","LANDS END","72305006","KNJM","KNCA","KNKT","T72305006","","","NCC031","NCZ095","","545","28594","America/New_York","34.65266","-77.07661","7","RDU","893727","
"USNC3256","27","US","NC","LANDSDOWN","72314058","KEHO","KAKH","KIPJ","T72314058","","","NCC045","NCZ068","sc007","517","28150","America/New_York","35.29374","-81.46537","797","CLT","317845","
当前解决方案:
def parse_file(filename):
newline = []
with open(filename, 'rb') as f:
reader = csv.reader(f, quoting=csv.QUOTE_NONE)
for row in reader:
newline.append([s.strip('"') for s in row[:-1]])
df = pd.DataFrame(newline)
df = df.applymap(lambda x: nan if len(x) == 0 else x).astype(object)
return df
df = parse_file(filename)
如果针对上面的示例行使用,则输出只是一个包含23列和两行的数据帧 文件中唯一的问题是每行都以
,“
结尾。这会混淆解析器。如果可以删除尾随的逗号和引号,则可以使用常规解析器
import pandas as pd
from StringIO import StringIO
with open('example.txt') as myfile:
data = myfile.read().replace(',"\n', '\n')
pd.read_csv(StringIO(data), header=None)
这就是我得到的:
0 1 2 3 4 5 6 7 8 9 \
0 USNC3255 27 US NC LANDS END 72305006 KNJM KNCA KNKT T72305006
1 USNC3256 27 US NC LANDSDOWN 72314058 KEHO KAKH KIPJ T72314058
... 13 14 15 16 17 18 19 \
0 ... NCZ095 NaN 545 28594 America/New_York 34.65266 -77.07661
1 ... NCZ068 sc007 517 28150 America/New_York 35.29374 -81.46537
20 21 22
0 7 RDU 893727
1 797 CLT 317845
[2 rows x 23 columns]
您的文件唯一的问题是每一行都以
,“
结尾。这会混淆解析器。如果可以删除后面的逗号和引号,则可以使用常规解析器
import pandas as pd
from StringIO import StringIO
with open('example.txt') as myfile:
data = myfile.read().replace(',"\n', '\n')
pd.read_csv(StringIO(data), header=None)
这就是我得到的:
0 1 2 3 4 5 6 7 8 9 \
0 USNC3255 27 US NC LANDS END 72305006 KNJM KNCA KNKT T72305006
1 USNC3256 27 US NC LANDSDOWN 72314058 KEHO KAKH KIPJ T72314058
... 13 14 15 16 17 18 19 \
0 ... NCZ095 NaN 545 28594 America/New_York 34.65266 -77.07661
1 ... NCZ068 sc007 517 28150 America/New_York 35.29374 -81.46537
20 21 22
0 7 RDU 893727
1 797 CLT 317845
[2 rows x 23 columns]
文件中唯一的问题是每行都以“”结尾。这会混淆解析器。如果可以删除尾随的逗号和引号,则可以使用常规解析器
import pandas as pd
from StringIO import StringIO
with open('example.txt') as myfile:
data = myfile.read().replace(',"\n', '\n')
pd.read_csv(StringIO(data), header=None)
这就是我得到的:
0 1 2 3 4 5 6 7 8 9 \
0 USNC3255 27 US NC LANDS END 72305006 KNJM KNCA KNKT T72305006
1 USNC3256 27 US NC LANDSDOWN 72314058 KEHO KAKH KIPJ T72314058
... 13 14 15 16 17 18 19 \
0 ... NCZ095 NaN 545 28594 America/New_York 34.65266 -77.07661
1 ... NCZ068 sc007 517 28150 America/New_York 35.29374 -81.46537
20 21 22
0 7 RDU 893727
1 797 CLT 317845
[2 rows x 23 columns]
您的文件唯一的问题是每一行都以
,“
结尾。这会混淆解析器。如果可以删除后面的逗号和引号,则可以使用常规解析器
import pandas as pd
from StringIO import StringIO
with open('example.txt') as myfile:
data = myfile.read().replace(',"\n', '\n')
pd.read_csv(StringIO(data), header=None)
这就是我得到的:
0 1 2 3 4 5 6 7 8 9 \
0 USNC3255 27 US NC LANDS END 72305006 KNJM KNCA KNKT T72305006
1 USNC3256 27 US NC LANDSDOWN 72314058 KEHO KAKH KIPJ T72314058
... 13 14 15 16 17 18 19 \
0 ... NCZ095 NaN 545 28594 America/New_York 34.65266 -77.07661
1 ... NCZ068 sc007 517 28150 America/New_York 35.29374 -81.46537
20 21 22
0 7 RDU 893727
1 797 CLT 317845
[2 rows x 23 columns]
谢谢,但很遗憾,清理原始文件不是一个选项。@prometheus2305为什么不呢?我没有更改原始文件的内容;它们在磁盘上是相同的。我只更改了程序内存中的内容。对不起,我误解了。这很有效,我觉得自己像个白痴。非常感谢。谢谢,但很遗憾,清理原始文件不是一个选项。@prometheus2305为什么不呢?我没有更改原始文件的内容;它们在磁盘上是相同的。我只更改了程序内存中的内容。对不起,我误解了。这很有效,我觉得自己像个白痴。非常感谢。谢谢,但很遗憾,清理原始文件不是一个选项。@prometheus2305为什么不呢?我没有更改原始文件的内容;它们在磁盘上是相同的。我只更改了程序内存中的内容。对不起,我误解了。这很有效,我觉得自己像个白痴。非常感谢。谢谢,但很遗憾,清理原始文件不是一个选项。@prometheus2305为什么不呢?我没有更改原始文件的内容;它们在磁盘上是相同的。我只更改了程序内存中的内容。对不起,我误解了。这很有效,我觉得自己像个白痴。非常感谢。