python numpy pandas 快速把超大txt文件转存为csv

最新推荐文章于 2024-04-30 19:29:01 发布

原创最新推荐文章于 2024-04-30 19:29:01 发布 · 1.9k 阅读

7 ·

CC 4.0 BY-SA版权

今天项目有个需求，就是把txt文件转为csv，txt之间是空格隔开，转为csv时需要把空格转换为逗号，网上找的一个版本，只需要三行代码，特别犀利：

[code language="python"]
import numpy as np
import pandas as pd

data_txt = np.loadtxt('datas_train.txt')
data_txtDF = pd.DataFrame(data_txt)
data_txtDF.to_csv('datas_train.csv',index=False)

上述的datas_train.txt只有不到100MB，560W行数据，三分钟之内转换完毕。
然后我换了一个5600W行共1.2G的txt文本，用上述代码转换，电脑直接卡死了。
原因在于上述代码会把全部的txt加载进内存，然后再转换，这就会造成电脑内存耗尽。
然后就想到了切割数据的办法，具体实现如下：

[code language="python"]
import numpy as np
import pandas as pd

train_data = pd.read_table('big_data.txt',iterator=True,header=None)

while True:
try:
chunk = train_data.get_chunk(5600000)
chunk.columns = ['user_id','spu_id','buy_or_not','date']
chunk.to_csv('big_data111.csv', mode='a',header=False,index = None)
except Exception as e:
break

这里我把数据分成了小块，每块数据有560W行，分11次加载就能全部加载完了，速度也很快，总共花了5分钟左右。
注意，get_chunk()里面的参数表示文件的行数，而非字节数。