【发布时间】：2019-08-06 03:05:53
【问题描述】：
我使用 Python 在一个大型 csv 文件（120 万行，250MB）中查找一些模式，如果找到这样的模式，则对每一行进行一些修改。 我的做法是这样的：
dfile=open(csvfile,'r')
lines=dfile.readlines()
dfile.close()
for i in range(0, len(lines)):
lines[i]=f(lines[i])
# f(.) is a function that modifies line string if a pattern is found
# then I have a code to write the processed data in another csv file.
问题是在某些迭代之后，代码停止运行，返回内存错误。我的系统有 32GB RAM。 如何提高内存性能？ 我尝试使用以下方法逐行读取数据：
import cache
j=1
while True:
line=cache.getline(csvfile,j)
if line='':
break
outp=open(newfile,'w')
outp.write(f(line))
outp.close()
j+=1
这种方法也失败了：
encoding error reading location 0X9b?!
有什么办法吗？
如果您对我的 csv 文件中的功能和模式感兴趣，瞧。 这是我的 csv 文件的一个小例子。
Description Effectivity AvailableLengths Vendors
Screw 2" length 3" "machine1, machine2" 25mm "vend1, ven2"
pin 3" machine1 2-3/4" vend3
pin 25mm "machine2, machine4" 34mm "vend5,Vend6"
Filler 2" red machine5 "4-1/2", 3"" vend7
"descr1, descr2" "machin1,machin2,machine3" 50 "vend1,vend4"
csv文件中的字段用逗号分隔，所以第一行是这样的：
Screw 2" length 3","machine1, machine2",25mm,"vend1, ven2"
由于多值字段和维度引用的使用，csv 阅读器无法读取此文件。如果逗号位于属于同一字段的两个数据之间，我的函数（上述代码中的函数 f）用分号替换逗号，如果该引用是维度事物，则用“英寸”替换它。
f(firstline)=Screw 2INCH length 3INCH,machine1;machine2,25mm,vend1;ven2
【问题讨论】：
-
你试过用熊猫吗？
-
文件内容是什么样的，请解释您正在寻找的模式。这将非常有帮助！请edit您对这些问题的问题不要在评论中回复。
-
问题是如果我用逗号分割每一行，或者用pandas读取csv文件，每行的字段数会不同，不一致。因此，在读取为 csv 文件之前，我需要对每一行进行一些修改。
-
究竟为什么包括您正在执行的操作类型以及您正在执行的数据样本认为本身是必要的。
-
另外，每次迭代都打开 outfile 绝对不是一个好主意。我建议保持打开状态并在需要时写一行，然后关闭它
标签： python csv memory large-files