使用python将csv拆分为小csv

我有一个

csv

（大约750MB大小）。我必须将其拆分为大小不超过30Mb的小

csv

c1,c2,c3,c4
1,a,1,4
2,a,1,4
3,b,1,4
4,b,1,4
5,b,1,4
6,c,1,4

约束条件是不同文件中不能有相同的

c2

。 （例如，一个文件中不能有一半

b

，另一半不能在另一个文件中） 如果

C2

本身的一个值大于30Mb，则将与该

C2

相关的数据打印到文件中

我用熊猫做同样的事；我的代码

max_size = 30 * 1000000
df = pd.read_csv("data.csv", low_memory=False)
unique_ac_id = pd.unique(df.C2)

counter = 1
df_arr = []
total_size = 0

for ac_id in unique_ac_id:
    df_cur = df[df.C2 == ac_id]
    size = df_cur.memory_usage(index=False, deep=True).sum()
    if size > max_size:
        print(f'{ac_id} size is more than max size allowded')

    if total_size > max_size:
        pd.concat(df_arr).to_csv(f'out/splitter_{counter}.csv', index=False)
        counter += 1
        df_arr.clear()
        total_size = 0

    df_arr.append(df_cur)
    total_size += size

if len(df_arr) > 0:
    pd.concat(df_arr).to_csv(f'out/splitter_{counter}.csv', index=False)

还有更好的方法吗？

我想你可以用

语法非常简单：

>>> import csv
>>> with open('eggs.csv', 'rb') as csvfile:
...     spamreader = csv.reader(csvfile, delimiter=' ', quotechar='|')
...     for row in spamreader:
...         print ', '.join(row)
Spam, Spam, Spam, Spam, Spam, Baked Beans
Spam, Lovely Spam, Wonderful Spam

使用这种方法，我一次只读取30MB，然后将读取的内容输出到另一个csv。如果您有

行中的矢量内容

，您将能够确定每行的大小，并确定有多少行的容量约为30MB，因此希望这将帮助您开始

---

此外，考虑到

c2

的限制，您可能会打开多个csv，以便每个csv将包含其各自的

c2

分组。每一行都是一个向量，因此在您给出的示例中，这似乎是第二个元素。

您可以轻松地将CSV分割为大小相等的块

import pandas as pd
for i,chunk in enumerate(pd.read_csv('C:/your_path_here/main.csv', chunksize=100)):
    chunk.to_csv('chunk{}.csv'.format(i))

---

这个约束是不可行的。如果你的指挥控制系统有一半是a怎么办？那么你就不能压缩它了。把所有的文件都拉到一个文件里就可以了。在这种情况下，不需要考虑30Mb。根据我的数据，这种情况很少发生。