Разделить большой CSV на несколько CSV, содержащих каждую строку

Я использую Pandas для разделения большого CSV на несколько CSV, каждый из которых содержит одну строку. У меня есть csv с 1 миллионом записей, и использование кода ниже занимает много времени. Например: в приведенном выше случае будет создано 1 миллион CSV. Любой может помочь мне, как сократить время разделения csv.

for index, row in lead_data.iterrows():
    row.to_csv(row['lead_id']+".csv")

lead_data — это объект фрейма данных.

Спасибо

С какой стати вы хотите создать 1 миллион файлов CSV? Большая часть замедления также будет связана с файловой системой. Большинство файловых систем не приспособлены для такого количества файлов в одном каталоге. Похоже, вы выбрали неправильный подход к решению своей проблемы...

— 02.02.2019 11:45

Я хочу, чтобы большой файл хранился в корзине aws s3, и файл разделения поможет мне проверить, присутствует ли какой-либо lead_id в этом объекте или нет, указав имя файла как lead_id. Таким образом, файловая система также будет вести себя как структура базы данных, где я могу помещать запросы sql с помощью s3select. Можете ли вы предложить мне лучший подход.

— 02.02.2019 14:43

python pandas csv

02.02.2019 11:39

Почему в Python есть оператор "pass"?

Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.

Некоторые методы, о которых вы не знали, что они существуют в Python

Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...

Основы Python Часть I

Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?

LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа

Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:

Оптимизация кода с помощью тернарного оператора Python

И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это

Советы по эффективной веб-разработке с помощью Python

Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.

144

Ответы 1

Вам не нужно перебирать данные. Отфильтруйте записи по lead_id и экспортируйте данные в файл CSV. Таким образом, вы сможете разделить файлы на основе идентификатора лида (при условии). Пример, разделить все игры EPL, где Арсенал был дома:

data=pd.read_csv('footbal/epl-2017-GMTStandardTime.csv')
print("Selecting Arsenal")
ft=data.loc[data['HomeTeam']=='Arsenal']
print(ft.head())
# Export data to CSV
ft.to_csv('arsenal.csv')
print("Done!")

Таким образом, это намного быстрее, чем использовать одну запись за раз.

Но в моем csv lead_id является первичным ключом, поэтому существует 1 миллион уникальных lead_id. Приведенный выше код также займет такое же время.

— 02.02.2019 14:44

Учитывая, что lead_id является первичным ключом, есть ли в каждом файле записи об одном и том же lead_id?

— 03.02.2019 20:20

Каждый файл будет содержать только один lead_id, который будет уникальным среди всех других файлов. Таким образом, количество файлов будет равно количеству строк в большом файле.

— 04.02.2019 06:35

02.02.2019 12:04