读取熊猫数据框前几行的方法

Question

是否有内置方法可以使用read_csv仅读取文件的前n行而不提前知道行的长度？ 我有一个需要很长时间才能阅读的大文件，有时只想使用第一行，比如说 20 行来获取它的样本（并且不想加载完整的内容并取其头部）。

如果我知道总行数，我可以执行类似footer_lines = total_lines - n并将其传递给skipfooter关键字 arg。 我目前的解决方案是用 python 和 StringIO 手动抓取前n行到熊猫：

import pandas as pd
from StringIO import StringIO

n = 20
with open('big_file.csv', 'r') as f:
    head = ''.join(f.readlines(n))

df = pd.read_csv(StringIO(head))

这还不错，但是有没有更简洁的“熊猫式”（？）方式来使用关键字或其他东西来做到这一点？

Answer 1

我认为您可以使用nrows参数。 从文档：

nrows : int, default None

    Number of rows of file to read. Useful for reading pieces of large files

这似乎有效。 使用标准大型测试文件之一（988504479 字节，5344499 行）：

In [1]: import pandas as pd

In [2]: time z = pd.read_csv("P00000001-ALL.csv", nrows=20)
CPU times: user 0.00 s, sys: 0.00 s, total: 0.00 s
Wall time: 0.00 s

In [3]: len(z)
Out[3]: 20

In [4]: time z = pd.read_csv("P00000001-ALL.csv")
CPU times: user 27.63 s, sys: 1.92 s, total: 29.55 s
Wall time: 30.23 s

Answer 2

我会在 read_csv 中使用“skiprows”参数，例如：

df = pd.read_csv(filename, skiprows=range(2, 20000), nrows=10000)