带有nrows = 1的Python熊猫read_csv

Question

我有这段代码读取带有标题的文本文件。 并将另一个具有相同标题的文件附加到该文件。 由于主文件非常大，所以我只想部分阅读并获取列标题。 如果唯一的行是标题，我将收到此错误。 而且我不知道文件有多少行。 我想要实现的是读入文件并获取文件的列标题。 因为我想向其追加另一个文件，所以我试图确保这些列是正确的。

    import pandas as pd
    main = pd.read_csv(main_input, nrows=1)
    data = pd.read_csv(file_input)
    data = data.reindex_axis(main.columns, axis=1)
    data.to_csv(main_input,
                quoting=csv.QUOTE_ALL,
                mode='a', header=False, index=False)

检查堆栈跟踪：

    Traceback (most recent call last):
    File "<stdin>", line 1, in <module>
    File "C:\Users\gohm\AppData\Local\Continuum\Anaconda\lib\site-packages\pandas\io\parsers.py", line 420, in parser_f
    return _read(filepath_or_buffer, kwds)
    File "C:\Users\gohm\AppData\Local\Continuum\Anaconda\lib\site-packages\pandas\io\parsers.py", line 221, in _read
    return parser.read(nrows)
    File "C:\Users\gohm\AppData\Local\Continuum\Anaconda\lib\site-packages\pandas\io\parsers.py", line 626, in read
    ret = self._engine.read(nrows)
    File "C:\Users\gohm\AppData\Local\Continuum\Anaconda\lib\site-packages\pandas\io\parsers.py", line 1070, in read
    data = self._reader.read(nrows)
    File "parser.pyx", line 727, in pandas.parser.TextReader.read (pandas\parser.c:7110)
    File "parser.pyx", line 774, in pandas.parser.TextReader._read_low_memory (pandas\parser.c:7671)
    StopIteration

Answer 1

似乎整个文件可能正在读入内存。 您可以在read_csv(...)指定chunksize= ， read_csv(...) 的文档中所述。

我认为read_csv的内存使用已在0.10版中进行了全面检查。 因此，您的熊猫版本也有所不同，请参阅@WesMcKinney的答案以及相关注释。 不久前还在Wes的博客上讨论了这些更改

import pandas as pd 
from cStringIO import StringIO

csv_data = """\
header, I want
0.47094534,  0.40249001,
0.45562164,  0.37275901,
0.05431775,  0.69727892,
0.24307614,  0.92250565,
0.85728819,  0.31775839,
0.61310243,  0.24324426,
0.669575  ,  0.14386658,
0.57515449,  0.68280618,
0.58448533,  0.51793506,
0.0791515 ,  0.33833041,
0.34361147,  0.77419739,
0.53552098,  0.47761297,
0.3584255 ,  0.40719249,
0.61492079,  0.44656684,
0.77277236,  0.68667805,
0.89155627,  0.88422355,
0.00214914,  0.90743799
"""

tfr = pd.read_csv(StringIO(csv_data), header=None, chunksize=1)
main = tfr.get_chunk()