Python中处理CSV文件遇到难题，请教各位如何解决

有个超过 256 列的 csv 表，大概在 800 多列，10w 行 另外有一张表，要匹配上面这个表中的部分字段，然后找出关键字对应的值，类似于 vlookup 这种功能 现在的情况是，通过 vlookup 也能找，但是花费的时间比较长，放到数据库里，光导入的时间就不是一点半点的 请教一下大家有没有什么好的办法？


Python中处理CSV文件遇到难题，请教各位如何解决
35 回复

你排序了吗？


我无法理解你的问题

能不能希望查询的字段抽出来，写到本地 json 文件中，并且保存和 csv 的映射关系，这样找是不是会快一点。

能预处理转换成别的数据结构的话，那倒是有很多办法。不过估计跟直接导入数据库也差不多。

把小表读到内存里，对你要匹配的列建索引(就是建几个 map)。然后遍历大表，先匹配你的查找范围，再从小表的索引里查。
应该用不上多少行代码

excel 功能挺强大的不知道转成 excel 格式来处理能不能满足你的需求

用 ketttle

赞同小表方案。

另外，找找有没有可以高速探索 csv 的库，游标打开后前后移动的那种，这样从真实 csv 取数据不失性能也比较方便。

10W 行很大？导数据库不是随便折腾吗？或者 power query 了解一下

能否确定需要的列？在本地预处理 csv 文件，然后再上传

10w 行导入，考虑到比较长，就算个 2 分钟吧

全倒进数据库不随便折腾？才多少东西啊导入就要好长时间。

https://github.com/BurntSushi/xsv 知道有个这个工具，但是没用过，可以看看能不能满足。

excel 处理这点数据还是没问题的，不需要导入数据库，如果电脑性能差点可以考虑 excel 的 powerquery 处理

https://github.com/dinedal/textql
TextQL
Allows you to easily execute SQL against structured text like CSV or TSV.

另，Python 的话用 pandas 直接处理 csv 也很方便，就别导入数据库了

python 貌似很方便

10W 行 EXCEL 就搞得定，用 index 配合两个 meach 函数，一定要用 lookup 的话用 lookup 函数，先排序再判断，Vlookup 的效率低很多

导数据库里吧，csv 比 xslx 这些都快，我导三四百 m 的 csv 到 access 都很快了

才 10w 行，用 pandas 吧，pd.read_csv，简单粗暴

7 秒导入 200w 行 load data infile 了解一下

用工具将 csv 转成 sqlite 不会花多久的

pandas 了解一下？

外部表。。。

awk + grep 呢

数据的东西交给 pandas

才 10w 行，800 列，也没有多少数据嘛。
简单的匹配 grep, awk。复杂点的匹配，就 python 等处理，很方便的啊。

刚 python3 写了一个, 10 多行的事情：
wget https://ahui132.github.io/bin/grepcolumn
chmod u+x grepcolumn


echo ‘name=Jack,gender=male,job=coder’ | grepcolumn - ‘job,name’

echo ‘Jack,male,coder’ | grepcolumn - ‘job,name’ -c ‘name,gender,job’

echo ‘Jack||male||coder’ | grepcolumn - ‘job,name’ -c ‘name,gender,job’ -d ‘||’

看字段内容吧，如果是一般的字段，还是导入数据库方便，我曾处理过一次复杂文本的 csv，字段用逗号隔开，但是某个字段是富文本，里面一大堆换行 和逗号，不知道为什么用 Excel 引擎导入只能处理一部分，最后还是写个软件 处理后批量插入数据库

csv 的话 pands 最方便：

dataFrame = pandas.read_csv("./marks.csv", sep=",")
dataFrame = pandas.read_table("./marks.csv", sep=",")

spss 了解一下？

数据库操作

像是中软杯（滑稽）

10W 多行不算大，pandas 就可以处理

这么好的工具为啥大伙都不用

试试 apache drill，先把 csv 里需要的字段抽出来

MySQL，loadCSV，6 百万行也是几分钟的事

回到顶部