问题:读取pandas数据框的前几行的方法
是否有内置的使用方式 read_csv
仅读取n
文件的前几行而无需提前知道行的长度?我有一个大文件,需要花费很长时间才能读取,偶尔只想使用前20行来获取它的样本(并且不希望加载完整的文件并花大头)。
如果我知道总行数,则可以执行类似的操作footer_lines = total_lines - n
并将其传递给skipfooter
关键字arg。我当前的解决方案是n
使用python和StringIO 手动将第一行抓取到熊猫:
import pandas as pd
from StringIO import StringIO
n = 20
with open('big_file.csv', 'r') as f:
head = ''.join(f.readlines(n))
df = pd.read_csv(StringIO(head))
并没有那么糟,但是有没有更简洁的“ pandasic”(?)方式来处理关键字或其他内容呢?
回答 0
我认为您可以使用该nrows
参数。从文档:
nrows : int, default None
Number of rows of file to read. Useful for reading pieces of large files
这似乎有效。使用标准大型测试文件之一(988504479字节,5344499行):
In [1]: import pandas as pd
In [2]: time z = pd.read_csv("P00000001-ALL.csv", nrows=20)
CPU times: user 0.00 s, sys: 0.00 s, total: 0.00 s
Wall time: 0.00 s
In [3]: len(z)
Out[3]: 20
In [4]: time z = pd.read_csv("P00000001-ALL.csv")
CPU times: user 27.63 s, sys: 1.92 s, total: 29.55 s
Wall time: 30.23 s