如何计算行我有一个像下面在多个CSV文件
文件1
A B
1 2
3 4
文件2
A B
1 2
文件3
A B
1 2
3 4
5 6
我想算csv文件所有csv文件中的行都是
我试图
f=pd.read_csv(file1)
f.shape
,但是当我有很多的CSV文件的,它需要太多的时间。
我希望得到这样的结果如下
rows
file1 2
file2 1
file3 3
我怎样才能得到这样的结果?
如何计算行我有一个像下面在多个CSV文件
文件1
A B
1 2
3 4
文件2
A B
1 2
文件3
A B
1 2
3 4
5 6
我想算csv文件所有csv文件中的行都是
我试图
f=pd.read_csv(file1)
f.shape
,但是当我有很多的CSV文件的,它需要太多的时间。
我希望得到这样的结果如下
rows
file1 2
file2 1
file3 3
我怎样才能得到这样的结果?
您可以创建的所有文件的length
dict
然后Series
米为DataFrame
添加to_frame
:
import glob
import pandas as pd
files = glob.glob('files/*.csv')
d = {f: sum(1 for line in open(f)) for f in files}
print (pd.Series(d))
print (pd.Series(d).rename('rows').rename_axis('filename').reset_index())
open
不保证文件被正确关闭,那么另一种解决方案:
def file_len(fname):
with open(fname) as f:
for i, l in enumerate(f):
pass
return i + 1
d = {f: file_len(f) for f in files}
试试这个,
它添加了每个条目fil Ë名称和节数行和列有适当的标签:
import os
df = pd.DataFrame(columns=('file_name', 'rows'))
for index,i in enumerate(os.listdir('.')):
df.loc[index] = [i,len(pd.read_csv(i).index)]
到目前为止提供的解决方案有非常大的CSV的工作时,是不是最快的。另外,在列表理解中使用open()
并不保证文件被正确关闭,例如,当使用with
时(见this question)。 所以结合,与见解从this question速度:
from itertools import takewhile, repeat
def rawincount(filename):
with open(filename, 'rb') as f:
bufgen = takewhile(lambda x: x, (f.raw.read(1024*1024) for _ in repeat(None)))
return sum(buf.count(b'\n') for buf in bufgen)
和运用由@jezrael提供的解决方案:
import glob
import pandas as pd
files = glob.glob('files/*.csv')
d = {f: rawincount(f) for f in files}
df = pd.Series(d).to_frame('rows')
为了完整起见,作为一种所有的摘要说了什么关于文件速度和适当的打开/关闭这里一个解决方案,快速工作,不需要太多花哨的代码,...限于* nix系统(?)(但我认为类似的技术也可以用于其他系统)。
下面的代码运行一点点快于rawincount()
和计数也不以线的末端有一个“\ n”最后几行(问题rawincount()
有):
import glob, subprocess, pandas
files = glob.glob('files/*.csv')
d = {f: subprocess.getoutput("sed -n '$=' " + f) for f in files}
print(pandas.Series(d))
附:在这里我运行了一些大型文本文件(39个文件总大小为3.7 GByte,Linux Mint 18.1,Python 3.6)。有趣的是这里所提出的wc -l *.csv
方法的时机:
Results of TIMING functions for getting number of lines in a file:
-----------------------------------------------------------------
getNoOfLinesInFileUsing_bash_wc : 1.04 !!! doesn't count last non empty line
getNoOfLinesInFileUsing_bash_grep : 1.59
getNoOfLinesInFileUsing_mmapWhileReadline : 2.75
getNoOfLinesInFileUsing_bash_sed : 3.42
getNoOfLinesInFileUsing_bytearrayCountLF_B : 3.90 !!! doesn't count last non empty line
getNoOfLinesInFileUsing_enumerate : 4.37
getNoOfLinesInFileUsing_forLineInFile : 4.49
getNoOfLinesInFileUsing_sum1ForLineInFile : 4.82
getNoOfLinesInFileUsing_bytearrayCountLF_A : 5.30 !!! doesn't count last non empty line
getNoOfLinesInFileUsing_lenListFileObj : 6.02
getNoOfLinesInFileUsing_bash_awk : 8.61
在* nix系统,如果你能做到这一点的Python之外:
wc -l *.csv
应该做的伎俩。
在列表理解中最好使用for循环而不是'open' :) – Roelant
@Claudio - 当然,我也删除它们。 – jezrael