Python 获取任何列包含特定值的行的子集
我有一个非常大的数据文件(foo.sas7bdat),我希望在不将整个数据文件加载到内存的情况下从中筛选行。例如,我可以通过执行以下操作打印数据集的前20行,而无需将整个文件加载到内存中:Python 获取任何列包含特定值的行的子集,python,pandas,sas,statistics,Python,Pandas,Sas,Statistics,我有一个非常大的数据文件(foo.sas7bdat),我希望在不将整个数据文件加载到内存的情况下从中筛选行。例如,我可以通过执行以下操作打印数据集的前20行,而无需将整个文件加载到内存中: import pandas import itertools with pandas.read_sas('foo.sas7bdat') as f: for row in itertools.islice(f,20): print(row) 但是,我不清楚如何只打印(或者最好是放置在
import pandas
import itertools
with pandas.read_sas('foo.sas7bdat') as f:
for row in itertools.islice(f,20):
print(row)
但是,我不清楚如何只打印(或者最好是放置在新文件中)包含数字123.1的列的行。我如何才能做到这一点?熊猫能够一次提取一个数据帧块。从read_sas()文档到“chunksize”,我遇到了以下问题: 这将得到100000行的数据块。 至于另一个问题,你需要一个查询。然而,我不知道问题的制约因素。如果创建一个包含所有列的数据帧,那么仍然可能会导致内存空间溢出,因此一种有效的方法是收集索引并将其放入一个集合中,然后对这些索引进行排序,如果要将它们放入数据帧中,则使用.iloc获取这些条目 您可能需要使用考虑到这一点的工具。Dask是在集群上使用的一个很好的替代方案
for chunk in pd.read_sas('foo.sas7bdat', interator=True, chunksize=100000):
print(chunk)