- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我有一个优化问题。我需要在一个独特的 csv 中加入一些 csv(都具有相同的结构)。
我的文件夹结构遵循时间顺序:年/月/日/小时_文件_标识符.csv。因此 16y*365d*24h = 140160 个文件。这是我可以拥有的最大文件数。每个按天索引的文件夹都可以有任意数量的文件(我也是用 python 脚本生成的)。由于文件数量将超过 ext4 文件系统每 N 次迭代允许的最大数量,因此我需要将所有文件加入 hour_indexed 文件中,以免遇到此问题。
因此,我称之为join_routine
的输入是按时间索引的文件夹,例如:
2001/9/3/
2002/8/4/
这些文件夹中的每一个都可以包含可变数量的文件:
2001/9/3/
1-01.csv
1-02.csv
2-01.csv
2002/8/4/
1-01.csv
2-01.csv
3-01.csv
3-01.csv
join_routine
的结果应该是:
2001/9/3/
1-joined.csv
2-joined.csv
2002/8/4/
1-joined.csv
2-joined.csv
3-joined.csv
为此,我开发了以下代码:
def join_routine():
# print('JOIN ROUTINE')
directory_list = [x.replace('\\','/') for x in glob.glob('data/csv/plays/*/*/*/')]
for directory in directory_list:
for hour in range(0,13):
file_list = [x.replace('\\','/') for x in glob.glob(directory+ str(hour) +'-*.csv')]
if len(file_list) > 0:
df = read_csv_list(file_list)
df.to_csv(directory+str(hour)+'-joined.csv', index = False)
for file in [ x for x in file_list if x not in directory+str(hour)+'-joined.csv']:
os.remove(file)
def read_csv_list(file_list):
df_list = []
# with progressbar.ProgressBar(max_value=len(file_list)) as bar:
# i = 0
for file in file_list:
df = pd.read_csv(file)
df_list.append(df)
# i = i + 1
# bar.update(i)
return pd.concat(df_list, axis = 0, ignore_index = True)
join_routine
函数在单个进程中处理每个文件夹的连接。我想知道是否有更好、更重要、更快的方法来做到这一点。 join_routine
占用了超过 10 倍的文件创建时间(这是在 16 名工作人员的并行进程池上完成的)。我需要执行 join_routine
21 次,按照这个速度要花 1 个多星期,这是不可行的。有什么想法吗?
最佳答案
只是不要使用 Pandas !
实验 1:读取文件并逐行追加到另一行(代码取自 how to merge 200 csv files in Python ):
import time
#%%
start1 = time.time()
fout=open("out.csv","a")
# first file:
for line in open("file.csv"):
fout.write(line)
# now the rest:
for num in range(2,201):
f = open("file.csv")
f.__next__() # skip the header
for line in f:
fout.write(line)
f.close() # not really needed
fout.close()
end1 = time.time()
print(end1-start1) #0.3000311851501465
实验二(使用pandas读写csv文件):
import time
import pandas as pd
start2 = time.time()
df_list = []
for i in range(200):
df = pd.read_csv('file.csv')
df_list.append(df)
df = pd.concat(df_list, axis = 0, ignore_index = True)
df.to_csv('out2.csv', index = False)
end2 = time.time()
print(end2-start2) #3.0119707584381104
关于Python Pandas - 加速 csv join,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54704440/
pandas.crosstab 和 Pandas 数据透视表似乎都提供了完全相同的功能。有什么不同吗? 最佳答案 pivot_table没有 normalize争论,不幸的是。 在 crosstab
我能找到的最接近的答案似乎太复杂:How I can create an interval column in pandas? 如果我有一个如下所示的 pandas 数据框: +-------+ |
这是我用来将某一行的一列值移动到同一行的另一列的当前代码: #Move 2014/15 column ValB to column ValA df.loc[(df.Survey_year == 201
我有一个以下格式的 Pandas 数据框: df = pd.DataFrame({'a' : [0,1,2,3,4,5,6], 'b' : [-0.5, 0.0, 1.0, 1.2, 1.4,
所以我有这两个数据框,我想得到一个新的数据框,它由两个数据框的行的克罗内克积组成。正确的做法是什么? 举个例子:数据框1 c1 c2 0 10 100 1 11 110 2 12
TL;DR:在 pandas 中,如何绘制条形图以使其 x 轴刻度标签看起来像折线图? 我制作了一个间隔均匀的时间序列(每天一个项目),并且可以像这样很好地绘制它: intensity[350:450
我有以下两个时间列,“Time1”和“Time2”。我必须计算 Pandas 中的“差异”列,即 (Time2-Time1): Time1 Time2
从这个 df 去的正确方法是什么: >>> df=pd.DataFrame({'a':['jeff','bob','jill'], 'b':['bob','jeff','mike']}) >>> df
我想按周从 Pandas 框架中的列中累积计算唯一值。例如,假设我有这样的数据: df = pd.DataFrame({'user_id':[1,1,1,2,2,2],'week':[1,1,2,1,
数据透视表的表示形式看起来不像我在寻找的东西,更具体地说,结果行的顺序。 我不知道如何以正确的方式进行更改。 df示例: test_df = pd.DataFrame({'name':['name_1
我有一个数据框,如下所示。 Category Actual Predicted 1 1 1 1 0
我有一个 df,如下所示。 df: ID open_date limit 1 2020-06-03 100 1 2020-06-23 500
我有一个 df ,其中包含与唯一值关联的各种字符串。对于这些唯一值,我想删除不等于单独列表的行,最后一行除外。 下面使用 Label 中的各种字符串值与 Item 相关联.所以对于每个唯一的 Item
考虑以下具有相同名称的列的数据框(显然,这确实发生了,目前我有一个像这样的数据集!:() >>> df = pd.DataFrame({"a":range(10,15),"b":range(5,10)
我在 Pandas 中有一个 DF,它看起来像: Letters Numbers A 1 A 3 A 2 A 1 B 1 B 2
如何减去两列之间的时间并将其转换为分钟 Date Time Ordered Time Delivered 0 1/11/19 9:25:00 am 10:58:00 am
我试图理解 pandas 中的下/上百分位数计算,但有点困惑。这是它的示例代码和输出。 test = pd.Series([7, 15, 36, 39, 40, 41]) test.describe(
我有一个多索引数据框,如下所示: TQ bought HT Detailed Instru
我需要从包含值“低”,“中”或“高”的数据框列创建直方图。当我尝试执行通常的df.column.hist()时,出现以下错误。 ex3.Severity.value_counts() Out[85]:
我试图根据另一列的长度对一列进行子串,但结果集是 NaN .我究竟做错了什么? import pandas as pd df = pd.DataFrame([['abcdefghi','xyz'],
我是一名优秀的程序员,十分优秀!