我的源数据在一个TSV文件中,有6列超过200万行。
这是我想要完成的:
- 我需要读取源文件中3列(第3、4、5列)的数据。
- 第五列是整数。我需要使用该整数值来复制一行条目,使用第三和第四列的数据(按照整数次数)。
- 我希望将#2的输出以CSV格式写入输出文件。
下面是我想出的内容。
我的问题:这是一种有效的方法吗?尝试在200万行上执行时似乎会很耗费资源。
首先,我制作了一个样本tab分隔文件来处理,并将其命名为'sample.txt'。它很基本,只有四行:
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
然后我有这段代码:
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', 'a', newline='') as csvfile:
csvwriter = csv.writer(csvfile, delimiter=',')
csvwriter.writerow([a[2], a[3]])
count = count - 1
i
或counter
一样是一个普通变量,但在这种情况下仅表示“我不关心循环变量具有什么值,因为我无论如何都忽略它”。 - Martijn Pietersname, _, _, score = line.split()
,用于忽略分割后行中间两个值。 - Martijn Pieters