使用Python處理大型CSV文件
作者：ant
本教程將詳細介紹如何使用Python和pandas庫來選擇性地讀取和處理大型CSV文件中的字段，以避免內存不足的問題。
使用Python處理大型CSV文件
處理大型CSV文件時，可能會遇到內存限制等問題。一種常見的解決方案是使用Python的pandas庫，它允許我們選擇性地讀取文件的特定部分，而不是一次性加載整個文件，這在面對大數據集時尤為重要。
本教程將詳細介紹如何使用Python和pandas庫來選擇性地讀取和處理大型CSV文件中的字段，以避免內存不足的問題。
1.選擇性讀取字段
在此步驟中，我們通過usecols參數選擇性地讀取感興趣的列，以減輕內存負擔。
import pandas as pd
# 指定CSV文件的路徑
csv_file_path = "<文件路徑>"
# 指定需要提取的字段列名
selected_columns = ['unified_code', 'reg_addr']
# 使用pd.read_csv()讀取指定列的數據
data = pd.read_csv(csv_file_path, usecols=selected_columns)
# 顯示讀取的數據
print(data.head())
# 保存讀取的數據到新的CSV文件中
csv_output_file_path = "<輸出文件路徑>"
data.to_csv(csv_output_file_path, index=False)
print("數據已保存為CSV文件：", csv_output_file_path)2.數據合并
我們有兩個CSV文件，需要基于'unified_code'字段進行合并。pandas的merge函數允許我們進行這樣的操作。
import pandas as pd
# 指定兩個CSV文件的路徑
csv_file1_path = "<文件1路徑>"
csv_file2_path = "<文件2路徑>"
# 讀取兩個CSV文件
data1 = pd.read_csv(csv_file1_path)
data2 = pd.read_csv(csv_file2_path)
# 基于'unified_code'字段合并數據
merged_data = data1.merge(data2, on='unified_code', how='inner')
# 顯示合并后的數據
print(merged_data.head())
# 保存合并后的數據到新的CSV文件中
merged_csv_file_path = "合并后的數據.csv"
merged_data.to_csv(merged_csv_file_path, index=False)
print("匹配成功的數據已保存為CSV文件：", merged_csv_file_path)3.生成唯一ID并保存數據
最后，我們為每行數據生成一個唯一的ID，對數據進行篩選，并將結果保存到新的CSV文件中。
import pandas as pd
# 指定CSV文件的路徑
csv_file_path = "合并后的數據.csv"
# 讀取CSV文件
data = pd.read_csv(csv_file_path)
# 為每一行生成唯一的ID
data['ID'] = range(1, len(data) + 1)
# 選擇性保留字段
selected_columns = ['ID', 'unified_code', 'reg_addr']
data = data[selected_columns]
# 保存清理后的數據到新的CSV文件中
output_csv_file_path = "clean.csv"
data.to_csv(output_csv_file_path, index=False)
print("數據已保存為CSV文件：", output_csv_file_path)
總結
本教程演示了如何使用Python和pandas庫對大型CSV文件進行選擇性讀取、合并和保存，以避免內存不足的問題。這種方法在處理大數據集時非常有用，能夠顯著提高數據處理的效率。
責任編輯：華軒
來源：
PaperCodeTips
