Java读取CSV +子数组的特定总和-最有效的方法

Question

我需要从大型csv中读取整数，然后对它们进行特定的求和。 目前，我有以下算法：

String csvFile = "D:/input.csv";
String line = "";
String cvsSplitBy = ";";
Vector<Int[]> converted = new Vector<Int[]>();

try (BufferedReader br = new BufferedReader(new FileReader(csvFile))) {

   while ((line = br.readLine()) != null) {
       String[] a = line.split(";",-1);
       int[] b = new int[a.length]; 
       for (int n = 0, n < a.length(), n++){
          b[n] = Integer.parseInt(a[n]);
       }
       converted.add(b);
   }
} 

catch (IOException e) {
e.printStackTrace();
}

int x = 7;
int y = 5;
int sum = 0;    

for (int m = 0; m < converted.size(); m++){
  for (n = 0, n < x, n++){
      sum = sum + converted.get(m)[n];
  }
  System.out.print(sum + " ");



  for (int n = x + y, n < converted.get(m).length, n = n + y){
      sum = 0;
      for (int o = n -y; o < n; o++)
         sum = sum + converted.get(m)[n];
      }
      System.out.print(sum + " ");
  }
  System.out.println("");
}

我想做的是获取一个csv行的前x个成员的总和，然后每个+ y获得x个成员的总和。 （在这种情况下，第一个x-7的总和（0-6的总和），然后是下一个x-7的总和，但之后y-5列的总和（5-11的总和），（10-16的总和）...并将它们写成每一行。（在最后一个收集行号中，最大值（0-6之和），（5-11之和）。因此，最终结果应为例如5,9,13,155 ... ，这意味着第5行的最大和为0-6，第9行的最大和为5-11 ...）如您所见，这是一种效率很低的方法，首先，我将整个csv读入string [] ，然后放入int []并保存到Vector中。然后，我创建了一个效率很低的循环来完成工作。我需要使其尽可能快地运行，因为我将使用具有很多x和y的非常大的csv。在考虑，但不知道该怎么做：

1. 在阅读循环中做这些总和
2. 以不同的方式进行求和，并不总是向后循环x个成员（保存最后的总和，然后减去旧的成员并添加新的成员，或者以其他更快的方式进行子数组总和）
3. 使用intStream和parallelism（并行可能会很棘手，因为最终我正在寻找max）
4. 使用不同的输入，然后CSV？
5. 上述所有的？

我如何尽快做到这一点？ 谢谢

Answer 1

由于总和是每行，因此您无需先读取内存中的所有内容。

Path csvFile = Paths.get("D:/input.csv");
try (BufferedReader br = Files.newBufferedReader(csvFile, StandardCharsets.ISO_8859_1)) {

     String line;
     while ((line = br.readLine()) != null) {
         int[] b = lineToInts(line);
         int n = b.length; 

         // Sum while reading:
         int sum = 0;
         for (int i = 0; i < 7; ++i) {
             sum += b[i];
         }
         System.out.print(sum + " ");

         sum = 0;
         for (int i = n - 5; i < n; ++i) {
             sum += b[i];
         }
         System.out.print(sum + " ");

         System.out.println();
     }
}

private static int[] lineToInts(String line) {
     // Using split is slow, one could optimize the implementation.
     String[] a = line.split(";", -1);
     int[] b = new int[a.length]; 
     for (int n = 0, n < a.length(), n++){
         b[n] = Integer.parseInt(a[n]);
     }
     return b;
}

更快的版本：

private static int[] lineToInts(String line) {
    int semicolons = 0;
    for (int i = 0; (i = line.indexOf(';', i)) != -1; ++i) {
        ++semicolons;
    }
    int[] b = new int[semicolons + 1];
    int pos = 0;
    for (int i = 0; i < b.length(); ++i) {
        int pos2 = line.indexOf(';', pos);
        if (pos2 < 0) {
            pos2 = line.length();
        }
        b[i] = Integer.parseInt(line.substring(pos, pos2));
        pos = pos2 + 1;
    }
    return b;
}

顺便说一句：Vector很旧，最好使用List和ArrayList。

List<int[]> converted = new ArrayList<>(10_000);

以上是初始容量的可选参数：万。

奇怪的try-with-resource语法try (BufferedReader br = ...) {确保br总是自动关闭。 即使有异常或返回。

---

并行性和重新格式化问题后

您可以阅读所有行

List<String> lines = Files.readAllLines(csvFile, StandardCharsets.ISO_8859_1);

而不是像这样玩并行流：

OptionalInt max = lines.parallelStream()
    .mapToInt(line -> {
        int[] b = lineToInst(line);
        ...
        return sum;
    }).max();

要么：

IntStream.range(0, lines.size()).parallel()
    .mapToObj(i -> {
        String line = lines.get(i);
        ...
        return new int[] { i, sum5, sum7 };
    }); 

Answer 2

您可能会在读取输入时尝试创建一些总和。 使用Integer，Integer类型的HashMaps也是可行的