Зачем использовать read_fwf в Pandas, если я могу просто использовать read_csv с настраиваемым разделителем?

Не вижу смысла в read_fwf в пандах. Зачем мне использовать это вместо read_csv, которое поддерживает настраиваемые разделители? Я попытался протестировать как скорость для большого файла с фиксированной шириной столбца, так и read_csv намного быстрее:

data = ("colum1    column2222   column3333   column4\n"
        "id8141    360.242940   149.910199   11950.7\n"
        "id1594    444.953632   166.985655   11788.4\n"
        )

colspecs = [(0, 6), (8, 20), (21, 33), (34, 43)]
data = data * 10000000

with open("big_file.txt", "w") as f:
    f.write(data)
start_time = time.time()
df = pd.read_csv("big_file.txt", header=None, dtype = {"colum1": str, "column2222": float, "column3333": float, "column4":float}, sep = "\s+")
print(f"--- {time.time() - start_time} seconds ---")
--- 4.0295188426971436 seconds ---
start_time = time.time()
df = pd.read_fwf("big_file.txt", header=None, colspecs=colspecs, 
                 dtype = {"colum1": str, "column2222": float, "column3333": float, "column4":float})
print(f"--- {time.time() - start_time} seconds ---")
--- 77.41955280303955 seconds ---

Вы проверили, что в примере read_csv создаст DF только с одним столбцом вместо 4?

buran 11.02.2023 19:59

Также обратите внимание, что в FWF может не быть никакого разделителя между полями.

buran 11.02.2023 20:04

Из документации я бы предположил, что read_fwf используется для другой структуры данных. fwf — это аббревиатура от «текстовый файл фиксированной ширины». Я предполагаю, что шаги проверки read_fwf более специализированы для подсчета пробелов, что может привести к увеличению времени обработки.

MaKaNu 11.02.2023 20:10

@buran извините, я забыл включить sep = \s+. Включил сейчас. Но да, я не думал о случае без разделителя, но похоже, что это единственный вариант использования

An Ignorant Wanderer 11.02.2023 20:45

@MaKaNu да, но тогда какой в ​​этом смысл?

An Ignorant Wanderer 11.02.2023 20:47

оформить заказ documentation.abila.com/MAD_MAIN/Content/MAD/… для примера fwf без разделителя

Tranbi 11.02.2023 20:48
stackoverflow.com/q/7666780/4046632
buran 11.02.2023 20:49
Почему в Python есть оператор "pass"?
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
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
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
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
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
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
0
7
50
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Я не верю, что существование функции read_fwf в API панд служит эстетическим целям. Разработчики ядра сделали эту функцию доступной для нас, понимая, что в определенных обстоятельствах это единственное эффективное средство правильного чтения текстового файла как DataFrame.

Один из примеров, который я вижу (где read_fwf пригодится), — это (.txt) файл ниже:

87        foo
     341  5
bar  1    
 

Если вы не придумаете разделитель магии/регулярных выражений, read_csv не сможет правильно проанализировать 3 столбца.

df = pd.read_fwf("file.txt", widths=[4, 5, 4], names=["A", "B", "C"])

print(df)

     A      B    C
0   87    NaN  foo
1  NaN  341.0  5.0
2  bar    1.0  NaN

Другие вопросы по теме