读取和解析的TSV文件，然后操纵它保存为CSV（*有效*）

Question

我的源数据是在一个TSV文件，6列和大于2个百万行。

这里就是我试图完成：

1. 我需要在列3读取数据（3，4，5）在这个源文件
2. 第五栏是一个整数。我需要使用此整数值来复制使用第三列和第四列中的数据（按整数次数）的行条目。
3. 我想将＃2的输出写入CSV格式的输出文件。

下面是我想出了。

我的问题：这是一种有效的方式做到这一点？在200万行上尝试时似乎可能是密集型的。

首先，我做了一个样本标签单独的文件的工作，并把它称为“sample.txt的”。这是基本的和只有四行：

Row1_Column1 Row1-Column2 Row1-Column3 Row1-Column4 2 Row1-Column6 
Row2_Column1 Row2-Column2 Row2-Column3 Row2-Column4 3 Row2-Column6 
Row3_Column1 Row3-Column2 Row3-Column3 Row3-Column4 1 Row3-Column6 
Row4_Column1 Row4-Column2 Row4-Column3 Row4-Column4 2 Row4-Column6 

然后我有这样的代码：

import csv 

with open('sample.txt','r') as tsv: 
    AoA = [line.strip().split('\t') for line in tsv] 

for a in AoA: 
    count = int(a[4]) 
    while count > 0: 
     with open('sample_new.csv','ab') as csvfile: 
      csvwriter = csv.writer(csvfile, delimiter=',') 
      csvwriter.writerow([a[2], a[3]]) 
     count = count - 1 

Answer 1

您应该使用csv模块读取制表符分隔值文件。做不是一口气读入内存。毕竟，你阅读的每一行都具有将行写入输出CSV文件所需的全部信息。保持输出文件始终打开。

import csv 

with open('sample.txt','rb') as tsvin, open('new.csv', 'wb') as csvout: 
    tsvin = csv.reader(tsvin, delimiter='\t') 
    csvout = csv.writer(csvout) 

    for row in tsvin: 
     count = int(row[4]) 
     if count > 0: 
      csvout.writerows([row[2:4] for _ in xrange(count)]) 

，或者使用itertools模块做itertools.repeat()重复：

from itertools import repeat 
import csv 

with open('sample.txt','rb') as tsvin, open('new.csv', 'wb') as csvout: 
    tsvin = csv.reader(tsvin, delimiter='\t') 
    csvout = csv.writer(csvout) 

    for row in tsvin: 
     count = int(row[4]) 
     if count > 0: 
      csvout.writerows(repeat(row[2:4], count))