Python读csv文件去掉一列后再写入新的文件

Posted 2020-10-19 卡路西法

用了两种方式解决该问题，都是网上现有的解决方案。

场景说明：

有一个数据文件，以文本方式保存，现在有三列user_id,plan_id,mobile_id。目标是得到新文件只有mobile_id,plan_id。

解决方案

方案一：用python的打开文件写文件的方式直接撸一遍数据，for循环内处理数据并写入到新文件。

代码如下：

def readwrite1( input_file,output_file):
    f = open(input_file, ‘r‘)
    out = open(output_file,‘w‘)
    print (f)
    for line in f.readlines():
        a = line.split(",")
        x=a[0] + "," + a[1]+"\n"
        out.writelines(x)
    f.close()
    out.close()

方案二：用 pandas 读数据到 DataFrame 再做数据分割，直接用 DataFrame 的写入功能写到新文件

代码如下：

def readwrite2(input_file,output_file):
    date_1=pd.read_csv(input_file,header=0,sep=‘,‘)
    date_1[[‘mobile‘, ‘plan_id‘]].to_csv(output_file, sep=‘,‘, header=True,index=False)

 

从代码上看，pandas逻辑更清晰。

 

下面看下执行的效率吧！

def getRunTimes( fun ,input_file,output_file):
    begin_time=int(round(time.time() * 1000))
    fun(input_file,output_file)
    end_time=int(round(time.time() * 1000))
    print("读写运行时间：",(end_time-begin_time),"ms")

getRunTimes(readwrite1,input_file,output_file)  #直接撸数据
getRunTimes(readwrite2,input_file,output_file1) #使用dataframe读写数据

读写运行时间： 976 ms
读写运行时间： 777 ms

input_file 大概有27万的数据，dataframe的效率比for循环效率还是要快一点的，如果数据量更大些，效果是否更明显呢？

下面试下增加input_file记录的数量试试，有如下结果

input_file	readwrite1	readwrite2
27W	976	777
55W	1989	1509
110W	4312	3158

 

 

 

 

 

 

从上面测试结果来看,dataframe的效率提高大约30%左右。