123

是否有一种内置方法可以用于read_csv仅读取n文件的第一行而不提前知道行的长度？我有一个需要很长时间才能读取的大文件，并且偶尔只想使用第一行，比如 20 行来获取它的样本（并且不想加载完整的东西并占据它的头部）。

如果我知道总行数，我可以做类似的事情footer_lines = total_lines - n并将其传递给skipfooter关键字 arg。我目前的解决方案是n使用 python 和 StringIO 手动将第一行抓取到 pandas：

import pandas as pd
from StringIO import StringIO

n = 20
with open('big_file.csv', 'r') as f:
    head = ''.join(f.readlines(n))

df = pd.read_csv(StringIO(head))

这还不错，但是有没有更简洁的“pandasic”（？）方式来使用关键字或其他方式来做到这一点？

4

2 回答 2

217

我认为您可以使用该nrows参数。从文档：

nrows : int, default None

    Number of rows of file to read. Useful for reading pieces of large files

这似乎有效。使用标准的大型测试文件之一（988504479 字节，5344499 行）：

In [1]: import pandas as pd

In [2]: time z = pd.read_csv("P00000001-ALL.csv", nrows=20)
CPU times: user 0.00 s, sys: 0.00 s, total: 0.00 s
Wall time: 0.00 s

In [3]: len(z)
Out[3]: 20

In [4]: time z = pd.read_csv("P00000001-ALL.csv")
CPU times: user 27.63 s, sys: 1.92 s, total: 29.55 s
Wall time: 30.23 s
于 2013-02-21T18:00:29.233 回答
1

我会在 read_csv 中使用“skiprows”参数，例如：

df = pd.read_csv(filename, skiprows=range(2, 20000), nrows=10000)
于 2021-07-30T14:37:22.290 回答