用python讀取多個文件

Question

我有一個超過 30 萬個文件的數據集，我需要讀取這些文件並將其附加到字典中。

corpus_path = "data"
article_paths = [os.path.join(corpus_path,p) for p in os.listdir(corpus_path)]

doc = []
for path in article_paths:
    dp = pd.read_table(path, header=None, encoding='utf-8', quoting=3, error_bad_lines=False)
    doc.append(dp)

有沒有更快的方法來做到這一點，因為當前的方法需要一個多小時。

Answer 1

您可以使用 多處理模塊。

from multiprocessing import Pool

def readFile(path):
    return pd.read_table(path, header=None, encoding='utf-8', quoting=3, error_bad_lines=False)


result = list(Pool(processes=nprocs).imap(readFile, article_paths))  #nprocs = Number of processors