600000行不是那么多,你的脚本应该运行良好的列表或字典。
作为一个测试,我们使用:
data = [["2017-05-02 17:28:24", 0.85260, 1.16218, 7],
["2017-05-04 05:40:07", 0.72118, 0.47710, 15],
["2017-05-07 19:27:53", 1.79476, 0.47496, 14],
["2017-05-09 01:57:10", 0.44123, 0.13711, 16],
["2017-05-11 07:22:57", 0.17481, 0.69468, 0],
["2017-05-12 10:11:01", 0.27553, 0.47834, 4],
["2017-05-15 05:20:36", 0.01719, 0.51249, 7],
["2017-05-17 14:01:13", 0.35977, 0.50052, 7],
["2017-05-17 22:05:33", 1.68628, 1.90881, 13],
["2017-05-18 14:44:14", 0.32217, 0.96715, 14],
["2017-05-18 20:24:23", 0.90819, 0.36773, 5],
["2017-05-21 12:15:20", 0.49456, 1.12508, 5],
["2017-05-22 07:46:18", 0.59015, 1.04352, 6],
["2017-05-26 01:49:38", 0.44455, 0.26669, 13],
["2017-05-26 18:55:24", 1.33678, 1.24181, 7]]
字典
如果你正在寻找确切的时间戳,查找会快很多了字典比列表。但是,您必须确切知道您在寻找什么:"23/05/2017 16:42:17"
与"23/05/2017 16:42:18"
有完全不同的散列。
data_as_dict = {l[0]: l[1:] for l in data}
print(data_as_dict)
# {'2017-05-21 12:15:20': [0.49456, 1.12508, 5], '2017-05-18 14:44:14': [0.32217, 0.96715, 14], '2017-05-04 05:40:07': [0.72118, 0.4771, 15], '2017-05-26 01:49:38': [0.44455, 0.26669, 13], '2017-05-17 14:01:13': [0.35977, 0.50052, 7], '2017-05-15 05:20:36': [0.01719, 0.51249, 7], '2017-05-26 18:55:24': [1.33678, 1.24181, 7], '2017-05-07 19:27:53': [1.79476, 0.47496, 14], '2017-05-17 22:05:33': [1.68628, 1.90881, 13], '2017-05-02 17:28:24': [0.8526, 1.16218, 7], '2017-05-22 07:46:18': [0.59015, 1.04352, 6], '2017-05-11 07:22:57': [0.17481, 0.69468, 0], '2017-05-18 20:24:23': [0.90819, 0.36773, 5], '2017-05-12 10:11:01': [0.27553, 0.47834, 4], '2017-05-09 01:57:10': [0.44123, 0.13711, 16]}
print(data_as_dict.get('2017-05-17 14:01:13'))
# [0.35977, 0.50052, 7]
print(data_as_dict.get('2017-05-17 14:01:10'))
# None
请注意,您DD/MM/YYYY HH:MM:SS
格式是不是很方便:分选细胞字典顺序不会被日期时间对它们进行排序。你需要使用datetime.strptime()
第一:
from datetime import datetime
data_as_dict = {datetime.strptime(l[0], '%Y-%m-%d %H:%M:%S'): l[1:] for l in data}
print(data_as_dict.get(datetime(2017,5,17,14,1,13)))
# [0.35977, 0.50052, 7]
print(data_as_dict.get(datetime(2017,5,17,14,1,10)))
# None
列表与二进制搜索
如果您正在寻找时间戳范围,一个字典不会帮助你多少。在时间戳列表上进行二分搜索(例如使用)应该非常快。
import bisect
timestamps = [datetime.strptime(l[0], '%Y-%m-%d %H:%M:%S') for l in data]
i = bisect.bisect(timestamps, datetime(2017,5,17,14,1,10))
print(data[i-1])
# ['2017-05-15 05:20:36', 0.01719, 0.51249, 7]
print(data[i])
# ['2017-05-17 14:01:13', 0.35977, 0.50052, 7]
数据库
重新发明轮子之前,您可能希望将所有的CSV转储到一个小型的数据库(SQLite的和PostgreSQL,...),并使用相应的查询。
熊猫
如果你不想数据库增加了复杂性,但准备投资一些时间学习一种新的语法,你应该使用pandas.DataFrame
。它确实是你想要的,然后是一些。
对于搜索,字典缩放O(log(n)),列出O(n)(除了当entrys被排序时,也可以使其成为O(log(n)))。这是你的一个论点吗?如果按比例放大,您可以使用搁架来尽量减少所需的内存。 – hajef
当你说“根据搜索/计算写一个新列表”。你的意思是把它写入文件?基本上,你是否试图编辑文件中的一行? – EyuelDK
这听起来像你一定要去字典选项。你可能想看看'csv' python模块,它可以帮助你轻松地将数据读到字典中。 –