Python 在非常大的文件中引用CSV记录
我有两个csv文件,它们存储我需要匹配的id和一些相关字段。目前,在Python2.4中,我将csv文件加载到记录对象的字典中,字典键作为记录id。然后我循环遍历其中一个并匹配另一个中的键,并进行一些处理 这一切都很好,效果很好,但这是在相对较小的csv文件上,大约有60000条记录。我将很快需要处理数百万条记录和可能的多个csv文件。我担心使用当前方法的内存负载 我最初考虑在csv阅读器中进行一个简单的循环,根本不想将它们加载到内存中,但是当循环其他文件中的数百万条记录时,我们这里讨论的是效率极低的东西 那么,有什么好办法吗?我被困在Python2.4中,我无法从csv文件中进行更改,如果可能的话,我希望避免使用sql。谢谢Python 在非常大的文件中引用CSV记录,python,csv,Python,Csv,我有两个csv文件,它们存储我需要匹配的id和一些相关字段。目前,在Python2.4中,我将csv文件加载到记录对象的字典中,字典键作为记录id。然后我循环遍历其中一个并匹配另一个中的键,并进行一些处理 这一切都很好,效果很好,但这是在相对较小的csv文件上,大约有60000条记录。我将很快需要处理数百万条记录和可能的多个csv文件。我担心使用当前方法的内存负载 我最初考虑在csv阅读器中进行一个简单的循环,根本不想将它们加载到内存中,但是当循环其他文件中的数百万条记录时,我们这里讨论的是效率
编辑:作为一个大概的数字,我正在查看多达20个200MB的文件。您希望避免使用SQL的原因是什么 您确实希望切换到使用某种数据库。我建议从SQLite开始;它被烘焙到Python中作为。它没有其他依赖项,使用普通文件(或RAM)进行数据存储—无需网络/服务器设置—而且非常容易入门 要切换到数据库的原因包括:
- 更不用说编写代码了。您不必编写循环来查找特定元素,只需编写
查询即可SELECT
- 数据库知道如何以您从未想过的方式优化查询。它通常比Python中的任何伪数据库都要快得多
- 您可以执行更复杂的查询。您可以选择符合特定条件的行(
),将一个表中的记录与另一个表中的记录关联(select*FROM table WHERE…
),等等select*FROM table 1 JOIN table 2…