Python 将大型csv文件解析为tinydb需要花费很长时间
我有一个包含15列和大约100万行的大型csv文件。我想把数据解析成tinyDB。我使用的代码如下:Python 将大型csv文件解析为tinydb需要花费很长时间,python,performance,csv,tinydb,Python,Performance,Csv,Tinydb,我有一个包含15列和大约100万行的大型csv文件。我想把数据解析成tinyDB。我使用的代码如下: import csv from tinydb import TinyDB db = TinyDB('db.monitor') table = db.table('Current') i=0 datafile = open('newData.csv', 'rb') data=csv.reader(datafile, delimiter = ';') for row in data:
import csv
from tinydb import TinyDB
db = TinyDB('db.monitor')
table = db.table('Current')
i=0
datafile = open('newData.csv', 'rb')
data=csv.reader(datafile, delimiter = ';')
for row in data:
table.insert({'WT_ID': row[0], 'time': row[1], 'MeanCurrent': row[2], 'VapourPressure': row[3], 'MeanVoltage':row[4], 'Temperature': row[5], 'Humidity': row[6], 'BarPressure': row[7], 'RPM': row[8], 'WindSector': row[9], 'WindSpeed': row[10], 'AirDensity': row[12], 'VoltageDC': row[13], 'PowerSec': row[14], 'FurlingAngle': row[15]})
i=i+1
print i
然而,这真的需要永远。我已经设置了I变量来跟踪进度,虽然在第一行中它运行得很快,但现在已经超过一个小时了,它已经以几乎1Hz的速度解析了大约10000行
我找不到任何类似的东西,所以任何帮助都将不胜感激
谢谢TinyDB是最佳选择吗?您似乎需要一个跨国家的数据库,TinyDB是面向文档的。除此之外,从文档: 如果您需要高级功能或高性能,TinyDB不适合您 您的进程运行非常慢,因为您正在将数据累积到RAM中。作为一种解决方法,您可以将csv拆分到较小的主干中,并用它填充脚本。这样,每次迭代之间的内存就可以保持干净
tinyDB完全无法管理如此数量的信息 我从未使用过tinyDB,但您可以尝试以下两个选项
本周我遇到了一个类似的问题,其解决方案是使用CachingMiddleware:
import csv
from tinydb import TinyDB
from tinydb.storages import JSONStorage
from tinydb.middlewares import CachingMiddleware
db = TinyDB('db.monitor', storage=CachingMiddleware(JSONStorage))
table = db.table('Current')
i=0
datafile = open('newData.csv', 'rb')
data=csv.reader(datafile, delimiter = ';')
for row in data:
table.insert({'WT_ID': row[0], 'time': row[1], 'MeanCurrent': row[2], 'VapourPressure': row[3], 'MeanVoltage':row[4], 'Temperature': row[5], 'Humidity': row[6], 'BarPressure': row[7], 'RPM': row[8], 'WindSector': row[9], 'WindSpeed': row[10], 'AirDensity': row[12], 'VoltageDC': row[13], 'PowerSec': row[14], 'FurlingAngle': row[15]})
i=i+1
print i
TinyDB将很慢,因为它将所有内容加载到RAM中。我不确定是否有好的替代方案,尽管您可能对我不久前编写的这个SQLite支持的文档存储库感兴趣:
您可以在某些字段上创建索引,并将所有内容转换为SQL查询,因此性能相当不错。如果您正在解析csv文件中的数据,则手动构建文件要快得多。我建议如下:
import json
counter = 0
with open(csv_file) as fh, open('test.db','w') as db:
keys = None
db.write('{"_default": {')
spacer = ''
for line in fh:
if not keys:
# This is the header row
keys = line[:-1].replace(" ", "_").split('\t')
else:
counter += 1
# These are the data rows
values = line[:-1].split('\t')
db.write('{}"{}":{}'.format(spacer,counter,json.dumps(dict(zip(keys, values)))))
spacer = ','
if counter % 1000 == 0:
print( 'counter: {:10d}'.format(counter), end='\r')
db.write('}}')
这可能应该转移到-也许你应该检查一下
insert\u multiple()
我遇到了同样的问题,即插入300次后,插入速度变得非常慢(比如1秒)。安装ujson并使用insert\u multiple
加快了我的插入速度。没有精确测量,但从50秒到1秒或2秒……因此使用insert\u multiple
是这里的关键!