Meine Quelldaten sind in einer TSV-Datei, 6 Spalten und mehr als 2 Millionen Zeilen.Lesen und Parsen einer TSV-Datei, dann Bearbeiten zum Speichern als CSV (* effizient *)
Hier ist, was ich versuche zu erreichen:
- Ich brauche die Daten in 3 der Spalten zu lesen (3, 4, 5) in dieser Quelldatei
- Die fünfte Spalte eine ganze Zahl . Ich muss diesen ganzzahligen Wert verwenden, um einen Zeileneintrag mit den Daten in der dritten und vierten Spalte zu duplizieren (durch die Anzahl der Ganzzahl-Zeiten).
- Ich möchte die Ausgabe von # 2 in eine Ausgabedatei im CSV-Format schreiben.
Unten ist, was ich gefunden habe.
Meine Frage: Ist das ein effizienter Weg? Es scheint, als könnte es intensiv sein, wenn es auf 2 Millionen Zeilen versucht wird.
Zuerst machte ich eine Beispiel-Registerkarte separate Datei, um damit zu arbeiten, und nannte es "sample.txt". Es ist einfach und hat nur vier Zeilen:
Row1_Column1 Row1-Column2 Row1-Column3 Row1-Column4 2 Row1-Column6
Row2_Column1 Row2-Column2 Row2-Column3 Row2-Column4 3 Row2-Column6
Row3_Column1 Row3-Column2 Row3-Column3 Row3-Column4 1 Row3-Column6
Row4_Column1 Row4-Column2 Row4-Column3 Row4-Column4 2 Row4-Column6
dann habe ich diesen Code:
import csv
with open('sample.txt','r') as tsv:
AoA = [line.strip().split('\t') for line in tsv]
for a in AoA:
count = int(a[4])
while count > 0:
with open('sample_new.csv','ab') as csvfile:
csvwriter = csv.writer(csvfile, delimiter=',')
csvwriter.writerow([a[2], a[3]])
count = count - 1
Danke, das ist perfekt. Ich hätte die Antwort gewählt, aber nicht mehr genug Rep-Punkte. Das ist, was ich bekomme, eine dumme Frage stellend, die zuerst abstimmend ist. – CJH
@CJH: NP, traf schon heute die rep cap, also für meinen Ruf hätte es keinen Unterschied gemacht. :-) –
Sorry für meine Ignoranz, aber was bedeutet der Unterstrich in der letzten Zeile? –