Python - 读取大量表格数据的有效方法

Question

我有一个文件，其中包含一个大的数字表，大小约为 300 MB。我想用 Python 读这个。

数据如下所示：

-200 1 11097.4 16414.2 1
-200 1 11197.4 16414.8 1
-200 1 11297.4 16415.4 1
-200 1 11397.4 16416 1
-200 1 11497.4 16416.5 1
-200 1 11597.4 16417.1 1
-200 1 11697.4 16417.7 1

Python 代码如下所示：

    with open(filename) as f:
        nrow, ncol= [int(x) for x in next(f).split()] 
        for k in range(2):
            rr = []
            for i in range(nrow+1):
                row = []
                for j in range(ncol+1):
                    a = next(f).split()                     
                    row.append([int(a[0]), int(a[1]), float(a[2]), float(a[4])])
                rr.append(row)          
            summary.append(rr)

这很慢；读取文件大约需要 60 秒。我想把它缩短到不到 10 秒。让它更快一点的最简单方法是什么？

如果有帮助，我非常乐意更改数据文件格式。

Answer 1

使用熊猫。这可能是重复的，所以也请查看这些答案

• Read a large csv into a sparse pandas dataframe in a memory efficient way
• How do I read CSV data into a record array in NumPy?

code.py

​​>

import pandas as pd
import numpy as np

df = pd.read_csv("large_file.txt", sep="\s")
np.save("large_file.npz", df.values)

with load('large_file.npz') as data:
    print(data.shape)