Python 根据条件将大型csv文件拆分为多个
我有一个大的csv文件,我想用一个条件将它分成几个文件 这是该文件的摘录:Python 根据条件将大型csv文件拆分为多个,python,csv,split,Python,Csv,Split,我有一个大的csv文件,我想用一个条件将它分成几个文件 这是该文件的摘录: Well Zones Top Bottom E18 A 4273714.58 412435.8397 E18 B 99966532.9 96167746.15 E18 C 48737298.05 9038801.616 E18 D 42762897.31 23612634.16 E22 A
Well Zones Top Bottom
E18 A 4273714.58 412435.8397
E18 B 99966532.9 96167746.15
E18 C 48737298.05 9038801.616
E18 D 42762897.31 23612634.16
E22 A 706299.7065 0
E22 B 17639585.97 8763276.956
E22 C 7535182.443 756105.4564
E22 D 7858392.171 4359022.937
E22 A 202221.3273 0
E23 B 1876003.29 100344.7098
E23 C 39002827.89 32876455.8
E23 D 10856279.73 944615.8366
我需要做的是创建几个文件,每个文件只有一种类型的“区域”,如下所示:
一个csv文件:
Well Zones Top Bottom
E18 A 4273714.58 412435.8397
E22 A 706299.7065 0
E22 A 202221.3273 0
另一个csv文件:
Well Zones Top Bottom
E18 B 99966532.9 96167746.15
E22 B 17639585.97 8763276.956
E23 B 1876003.29 100344.7098
在网上冲浪时,我只发现根据行数/行数将大文件分成不同的块。。。例如下面的代码:
for i,chunk in enumerate(pd.read_csv(file, chunksize=3)):
如果你想使用
pandas
,那么线程应该对你有帮助,特别是unutbu
答案,它解释了.loc
方法的用法pandas.DataFrame
如果你想使用pandas
,那么线程应该对你有帮助,尤其是unutbu
答案,这说明了熊猫.DataFrame的.loc
方法的用法。您可以使用集合。defaultdict
按区域对行进行分组:
from collections import defaultdict
import csv
result = defaultdict(list)
_header, *data = csv.reader(open('filename.csv'))
for a, b, *c in data:
result[b].append([a, b, *c])
for a, b in result.items():
with open(f'zone_{a}.csv', 'w') as f:
write = csv.writer(f)
write.writerows([_header, *b])
您可以使用collections.defaultdict
按区域对行进行分组
:
from collections import defaultdict
import csv
result = defaultdict(list)
_header, *data = csv.reader(open('filename.csv'))
for a, b, *c in data:
result[b].append([a, b, *c])
for a, b in result.items():
with open(f'zone_{a}.csv', 'w') as f:
write = csv.writer(f)
write.writerows([_header, *b])
使用Miller(),一个伟大的命令行实用程序,非常简单
mlr --tsv --from input.csv put -q 'tee > "Zone_".$Zones.".csv", $*'
从开始(制表符分隔)
你有
$ cat Zone_A.csv
Well Zones Top Bottom
E18 A 4273714.58 412435.8397
E22 A 706299.7065 0
E22 A 202221.3273 0
$ cat Zone_B.csv
Well Zones Top Bottom
E18 B 99966532.9 96167746.15
E22 B 17639585.97 8763276.956
E23 B 1876003.29 100344.7098
$ cat Zone_C.csv
Well Zones Top Bottom
E18 C 48737298.05 9038801.616
E22 C 7535182.443 756105.4564
E23 C 39002827.89 32876455.8
$ cat Zone_D.csv
Well Zones Top Bottom
E18 D 42762897.31 23612634.16
E22 D 7858392.171 4359022.937
E23 D 10856279.73 944615.8366
使用Miller(),一个伟大的命令行实用程序,非常简单
mlr --tsv --from input.csv put -q 'tee > "Zone_".$Zones.".csv", $*'
从开始(制表符分隔)
你有
$ cat Zone_A.csv
Well Zones Top Bottom
E18 A 4273714.58 412435.8397
E22 A 706299.7065 0
E22 A 202221.3273 0
$ cat Zone_B.csv
Well Zones Top Bottom
E18 B 99966532.9 96167746.15
E22 B 17639585.97 8763276.956
E23 B 1876003.29 100344.7098
$ cat Zone_C.csv
Well Zones Top Bottom
E18 C 48737298.05 9038801.616
E22 C 7535182.443 756105.4564
E23 C 39002827.89 32876455.8
$ cat Zone_D.csv
Well Zones Top Bottom
E18 D 42762897.31 23612634.16
E22 D 7858392.171 4359022.937
E23 D 10856279.73 944615.8366
档案有多大?它适合内存吗?因为你使用熊猫,你试过@NoufalIbrahim吗?是的,它适合内存,它不太大。文件有多大?它适合记忆吗?因为你在使用熊猫,你试过@NoufalIbrahim吗?是的,它适合记忆,它不太大。感谢链接,unubtu的答案非常有用谢谢链接,unubtu的答案非常有用