读取和解析 TSV 文件,然后对其进行操作以保存为 CSV(*高效*)
Posted
技术标签:
【中文标题】读取和解析 TSV 文件,然后对其进行操作以保存为 CSV(*高效*)【英文标题】:reading and parsing a TSV file, then manipulating it for saving as CSV (*efficiently*) 【发布时间】:2012-12-09 04:49:20 【问题描述】:我的源数据在一个 TSV 文件中,有 6 列,超过 200 万行。
这是我想要完成的:
-
我需要读取此源文件中 3 列 (3, 4, 5) 中的数据
第五列是一个整数。我需要使用这个整数值来复制行条目,并使用第三列和第四列中的数据(按整数倍)。
我想将 #2 的输出写入 CSV 格式的输出文件。
以下是我想出的。
我的问题:这是一种有效的方法吗?在 200 万行上尝试时,它似乎可能会很密集。
首先,我制作了一个示例选项卡单独文件以供使用,并将其命名为“sample.txt”。它是基本的,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
然后我有这个代码:
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', 'a', newline='') as csvfile:
csvwriter = csv.writer(csvfile, delimiter=',')
csvwriter.writerow([a[2], a[3]])
count = count - 1
【问题讨论】:
【参考方案1】:您应该使用csv
模块来读取制表符分隔值文件。不要不要一口气把它读入内存。毕竟,您读取的每一行都包含将行写入输出 CSV 文件所需的所有信息。始终保持输出文件打开。
import csv
with open('sample.txt', newline='') as tsvin, open('new.csv', 'w', newline='') 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 range(count)])
或者,使用itertools
模块与itertools.repeat()
进行重复:
from itertools import repeat
import csv
with open('sample.txt', newline='') as tsvin, open('new.csv', 'w', newline='') 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))
【讨论】:
对不起,我的无知,但最后一行的下划线是什么意思/做什么? @SamuelLampa:它只是一个占位符;它是像i
或counter
这样的普通变量,但在这种情况下,它只是意味着我不在乎这个循环变量有什么值,因为我无论如何都会忽略它。
@MartijnPieters,好的,谢谢! (怀疑是这样,但不确定它是否对数组索引或其他东西做了一些魔术。)
@SamuelLampa:换句话说,按照惯例,它用于您必须有分配目标但又想忽略分配值的任何地方。你也可以在元组解包中看到它:name, _, _, score = line.split()
,例如,忽略分割线的两个中间值。以上是关于读取和解析 TSV 文件,然后对其进行操作以保存为 CSV(*高效*)的主要内容,如果未能解决你的问题,请参考以下文章
如何在python中读取一个大的tsv文件并将其转换为csv
使用 Node.js(和 NPM 包“psd”)解析 Adobe PSD 文件,以编程方式替换图像层,然后保存/渲染为 PNG