使用numpy/pandas读取Python中CSV文件的最后N行
是否有一种使用使用numpy/pandas读取Python中CSV文件的最后N行,python,csv,pandas,numpy,Python,Csv,Pandas,Numpy,是否有一种使用numpy或pandas快速读取Python中CSV文件最后N行的方法 我无法在numpy中执行skip_header操作,或者在pandas中执行skiprow操作,因为文件的长度不同,我始终需要最后N行 我知道我可以使用纯Python从文件的最后一行逐行读取,但这会非常慢。如果有必要的话,我可以这样做,但是使用numpy或pandas(本质上是使用C)的更有效的方法将非常有用 选项1 您可以使用numpy.genfromtxt读取整个文件,将其作为numpy数组获取,并获取最后
numpy
或pandas
快速读取Python中CSV文件最后N行的方法
numpy
中执行skip_header
操作,或者在pandas
中执行skiprow
操作,因为文件的长度不同,我始终需要最后N行numpy
或pandas
(本质上是使用C)的更有效的方法将非常有用选项1 您可以使用
numpy.genfromtxt
读取整个文件,将其作为numpy数组获取,并获取最后N行:
a = np.genfromtxt('filename', delimiter=',')
lastN = a[-N:]
选项2
您可以通过通常的文件读取执行类似的操作:
with open('filename') as f:
lastN = list(f)[-N:]
但这次您将得到最后N行的列表,作为字符串
选项3-不将整个文件读取到内存中
我们使用最多N个项目的列表来保存每个迭代的最后N行:
lines = []
N = 10
with open('csv01.txt') as f:
for line in f:
lines.append(line)
if len(lines) > 10:
lines.pop(0)
真正的csv需要一个小小的更改:
import csv
...
with ...
for line in csv.reader(f):
...
使用
pandas
read_csv()
的skiprows
参数,更难的部分是查找csv中的行数。下面是一个可能的解决方案:
with open('filename',"r") as f:
reader = csv.reader(f,delimiter = ",")
data = list(reader)
row_count = len(data)
df = pd.read_csv('filename', skiprows = row_count - N)
对于一个10行的小测试文件,我尝试了两种方法——解析整个过程并选择最后N行,而不是加载所有行,但只解析最后N行:
In [1025]: timeit np.genfromtxt('stack38704949.txt',delimiter=',')[-5:]
1000 loops, best of 3: 741 µs per loop
In [1026]: %%timeit
...: with open('stack38704949.txt','rb') as f:
...: lines = f.readlines()
...: np.genfromtxt(lines[-5:],delimiter=',')
1000 loops, best of 3: 378 µs per loop
这被标记为的副本。那里公认的答案是
from collections import deque
并收集了该结构中的最后N行。它还使用StringIO
将行提供给解析器,这是一个不必要的复杂问题genfromtxt
从任何给它行的东西中获取输入,所以行列表就可以了
In [1031]: %%timeit
...: with open('stack38704949.txt','rb') as f:
...: lines = deque(f,5)
...: np.genfromtxt(lines,delimiter=',')
1000 loops, best of 3: 382 µs per loop
基本上与readlines
和slice的时间相同
deque
在文件非常大的情况下可能会有优势,并且挂起所有行的成本会很高。我认为这不会节省任何文件读取时间。还是要一行一行地读
row\u count
后接skip\u header
方法的计时较慢;它需要读取文件两次<代码>跳过页眉仍需读取行
In [1046]: %%timeit
...: with open('stack38704949.txt',"r") as f:
...: ...: reader = csv.reader(f,delimiter = ",")
...: ...: data = list(reader)
...: ...: row_count = len(data)
...: np.genfromtxt('stack38704949.txt',skip_header=row_count-5,delimiter=',')
The slowest run took 5.96 times longer than the fastest. This could mean that an intermediate result is being cached.
1000 loops, best of 3: 760 µs per loop
为了计算行数,我们不需要使用csv.reader
,尽管它似乎不会花费太多额外的时间
In [1048]: %%timeit
...: with open('stack38704949.txt',"r") as f:
...: lines=f.readlines()
...: row_count = len(data)
...: np.genfromtxt('stack38704949.txt',skip_header=row_count-5,delimiter=',')
1000 loops, best of 3: 736 µs per loop