是否可以使用 read_csv 仅读取特定行？

Posted 2023-03-11

【中文标题】是否可以使用 read_csv 仅读取特定行？

【英文标题】：Is it possible to use read_csv to read only specific lines?

【发布时间】：2012-05-29 20:34:38

【问题描述】：

我有一个如下所示的 csv 文件：

TEST  
2012-05-01 00:00:00.203 ON 1  
2012-05-01 00:00:11.203 OFF 0  
2012-05-01 00:00:22.203 ON 1  
2012-05-01 00:00:33.203 OFF 0  
2012-05-01 00:00:44.203 OFF 0  
TEST  
2012-05-02 00:00:00.203 OFF 0  
2012-05-02 00:00:11.203 OFF 0  
2012-05-02 00:00:22.203 OFF 0  
2012-05-02 00:00:33.203 OFF 0  
2012-05-02 00:00:44.203 ON 1  
2012-05-02 00:00:55.203 OFF 0  

并且无法摆脱"TEST" 字符串。

是否可以检查一行是否以日期开头并只读那些日期？

【参考方案1】：

当你从csv.reader得到row，并且当你可以确定第一个元素是一个字符串时，那么你可以使用

if not row[0].startswith('TEST'):
    process(row)

【参考方案2】：

http://pandas.pydata.org/pandas-docs/stable/generated/pandas.io.parsers.read_csv.html?highlight=read_csv#pandas.io.parsers.read_csv

skiprows : 类列表或整数 要跳过的行号（0-indexed）或要跳过的行数（int）

传递 [0, 6] 以跳过带有“TEST”的行。

【讨论】：

恐怕他知道这些线条的样子，而不是它们的索引。

【参考方案3】：

from cStringIO import StringIO
import pandas

s = StringIO()
with open('file.csv') as f:
    for line in f:
        if not line.startswith('TEST'):
            s.write(line)
s.seek(0) # "rewind" to the beginning of the StringIO object

pandas.read_csv(s) # with further parameters…

【参考方案4】：

另一个选择，因为我也遇到了这个问题：

import pandas as pd
import subprocess
grep = subprocess.check_output(['grep', '-n', '^TITLE', filename]).splitlines()
bad_lines = [int(s[:s.index(':')]) - 1 for s in grep]
df = pd.read_csv(filename, skiprows=bad_lines)

它比@eumiro 的便携性差（阅读：可能在 Windows 上不起作用）并且需要两次读取文件，但优点是您不必将整个文件内容存储在内存中。

你当然可以做与 Python 中的 grep 相同的事情，但它可能会更慢。