7

这是以前的问题，在哪里可以提高 python 中函数的时间性能我需要找到一种有效的方法来拆分我的文本文件

我有以下文本文件（超过 32 GB）未排序 

....................
0 274 593869.99 6734999.96 121.83 1,
0 273 593869.51 6734999.92 121.57 1,
0 273 593869.15 6734999.89 121.57 1,
0 273 593868.79 6734999.86 121.65 1,
0 272 593868.44 6734999.84 121.65 1,
0 273 593869.00 6734999.94 124.21 1,
0 273 593868.68 6734999.92 124.32 1,
0 274 593868.39 6734999.90 124.44 1,
0 275 593866.94 6734999.71 121.37 1,
0 273 593868.73 6734999.99 127.28 1,
.............................

第一列和第二列是网格中 x、y、z 点的位置 ID（例如：0 -273）。

def point_grid_id(x,y,minx,maxy,distx,disty):
    """give id (row,col)"""
    col = int((x - minx)/distx)
    row = int((maxy - y)/disty)
    return (row, col)

这(minx, maxx)是我的网格的原点 size distx,disty。Id瓦片的数量是

tiles_id = [j for j in np.ndindex(ny, nx)] #ny = number of row, nx= number of columns 
from [(0,0),(0,1),(0,2),...,(ny-1,nx-1)]
n = len(tiles_id)

我需要以文件数量对 ~32 GB 文件进行切片n (= len(tiles_id))。

我可以在不排序但读取文件 n 次的情况下执行此操作。出于这个原因，我希望为文件起始形式找到一种有效的拆分方法(0,0) (= tiles_id[0])。之后，我只能读取一次拆分文件。

4

2 回答 2

5

无论您使用 Python 还是命令行工具 ( sort)，对 32GB 的文件都几乎不可能进行排序。数据库似乎太强大了，但可以使用。但是，如果您不愿意使用数据库，我建议您只需使用 tile id 将源文件拆分为文件。

您读取一行，从 tile id 中创建一个文件名并将该行附加到文件中。并继续，直到源文件完成。它不会太快，但与排序不同，它至少具有 O(N) 的复杂度。

而且，当然，文件的单独排序和连接它们是可能的。对 32GB 文件进行排序的主要瓶颈应该是内存，而不是 CPU。

在这里，我认为：

def temp_file_name(l):
    id0, id1 = l.split()[:2]
    return "tile_%s_%s.tmp" % (id0, id1)

def split_file(name):
    ofiles = {}
    try:
        with open(name) as f:
            for l in f:
                if l:
                    fn = temp_file_name(l)
                    if fn not in ofiles:
                        ofiles[fn] = open(fn, 'w')
                    ofiles[fn].write(l)
    finally:
        for of in ofiles.itervalues():
            of.close()

split_file('srcdata1.txt')

但是，如果有很多图块，超过您可以打开的文件数量，您可以这样做：

def split_file(name):
    with open(name) as f:
        for l in f:
            if l:
                fn = temp_file_name(l)
                with open(fn, 'a') as of:
                    of.write(l)

而最完美主义的方法是在达到打开文件数量的限制后关闭一些文件并将它们从字典中删除。

于 2013-03-05T15:18:14.117 回答
1

一个快速的谷歌将我带到ActiveState 代码中的这个食谱。它没有给出任何性能比较，但它似乎完成了这项工作。

简而言之，它似乎按照@Ellioh 的建议做，而且你有一个现成的食谱，你可能不必重新发明轮子。

于 2013-03-05T15:23:50.967 回答