Python處理大數據的方法

這篇文章給大家分享的是有關Python處理大數據的方法的內容。小編覺得挺實用的，因此分享給大家做個參考，一起跟隨小編過來看看吧。

如果你有個5、6 G 大小的文件，想把文件內容讀出來做一些處理然后存到另外的文件去，你會使用什么進行處理呢？不用在線等，給幾個錯誤示范：有人用multiprocessing 處理，但是效率非常低。于是，有人用python處理大文件還是會存在效率上的問題。因為效率只是和預期的時間有關，不會報錯，報錯代表程序本身出現問題了~

所以，為什么用python處理大文件總有效率問題？

如果工作需要，立刻處理一個大文件，你需要注意兩點：

01、大型文件的讀取效率

面對100w行的大型數據，經過測試各種文件讀取方式，得出結論：

with open(filename,"rb") as f:
 for fLine in f:
 pass

方式最快，100w行全遍歷2.7秒。

基本滿足中大型文件處理效率需求。如果rb改為r，慢6倍。但是此方式處理文件，fLine為bytes類型。但是python自行斷行，仍舊能很好的以行為單位處理讀取內容。

02、文本處理效率問題

這里舉例ascii定長文件,因為這個也并不是分隔符文件，所以打算采用列表操作實現數據分割。但是問題是處理20w條數據，時間急劇上升到12s。本以為是byte.decode增加了時間。遂去除decode全程bytes處理。但是發現效率還是很差。

最后用最簡單方式測試，首次運行，最簡單方式也要7.5秒100w次。

想知道這個方式處理的完整代碼是什么嗎？掃描文末二維碼，聯系小編可以獲取哦~

那么關于python處理大文件的技巧，從網絡整理三點：列表、文件屬性、字典三個點來看看。

1.列表處理

def fun(x):盡量選擇集合、字典數據類型，千萬不要選擇列表，列表的查詢速度會超級慢，同樣的，在已經使用集合或字典的情況下，不要再轉化成列表進行操作，比如：

values_count = 0
# 不要用這種的
if values in dict.values():
 values_count += 1
# 盡量用這種的
if keys,values in dict:
 values_count += 1

后者的速度會比前者快好多好多。

2. 對于文件屬性

如果遇到某個文件，其中有屬性相同的，但又不能進行去重操作，沒有辦法使用集合或字典時，可以增加屬性，比如將原數據重新映射出一列計數屬性，讓每一條屬性具有唯一性，從而可以用字典或集合處理：

 return '(' + str(x) + ', 1)'
list(map(fun,[1,2,3]))

使用map函數將多個相同屬性增加不同項。

3. 對于字典

多使用iteritems()少使用items()，iteritems()返回迭代器：

>>> d = {'a':1,'b':2}
>>> for i in d.items() :
.... print i
('a',1)
('b',2)
>>> for k,v in d.iteritems() :
... print k,v
('a',1)
('b',2)

字典的items函數返回的是鍵值對的元組的列表,而iteritems使用的是鍵值對的generator，items當使用時會調用整個列表 iteritems當使用時只會調用值。

除了以下5個python使用模塊，你還有什么技巧解決大文件運行效率的問題嗎？深入了解更多Python實用模塊，快速提升工作效率~

讀寫文件技術，今后會用到測試數據的參數化和測試報告寫作功能中~

數據處理技術，今后測試腳本的測試數據處理過程可以用到~

數據統計分析技術，今后會在測試結果分析中用到

圖表展示技術，在今后的測試框架中相關測試報告會用到

程序自動觸發技術，可用于測試腳本程序的自動執行。

感謝各位的閱讀！關于“Python處理大數據的方法”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，讓大家可以學到更多知識，如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！