[英]Best way to read csv file in C# to improve time efficiency
我有以下代碼可讀取一個大文件(例如,超過一百萬行)。 我正在使用Parallel和Linq方法。 有更好的方法嗎? 如果是,那怎么辦?
private static void ReadFile()
{
float floatTester = 0;
List<float[]> result = File.ReadLines(@"largedata.csv")
.Where(l => !string.IsNullOrWhiteSpace(l))
.Select(l => new { Line = l, Fields = l.Split(new[] { ',' }, StringSplitOptions.RemoveEmptyEntries) })
.Select(x => x.Fields
.Where(f => Single.TryParse(f, out floatTester))
.Select(f => floatTester).ToArray())
.ToList();
// now get your totals
int numberOfLinesWithData = result.Count;
int numberOfAllFloats = result.Sum(fa => fa.Length);
MessageBox.Show(numberOfAllFloats.ToString());
}
private static readonly char[] Separators = { ',', ' ' };
private static void ProcessFile()
{
var lines = File.ReadAllLines("largedata.csv");
var numbers = ProcessRawNumbers(lines);
var rowTotal = new List<double>();
var totalElements = 0;
foreach (var values in numbers)
{
var sumOfRow = values.Sum();
rowTotal.Add(sumOfRow);
totalElements += values.Count;
}
MessageBox.Show(totalElements.ToString());
}
private static List<List<double>> ProcessRawNumbers(IEnumerable<string> lines)
{
var numbers = new List<List<double>>();
/*System.Threading.Tasks.*/
Parallel.ForEach(lines, line =>
{
lock (numbers)
{
numbers.Add(ProcessLine(line));
}
});
return numbers;
}
private static List<double> ProcessLine(string line)
{
var list = new List<double>();
foreach (var s in line.Split(Separators, StringSplitOptions.RemoveEmptyEntries))
{
double i;
if (Double.TryParse(s, out i))
{
list.Add(i);
}
}
return list;
}
private void button1_Click(object sender, EventArgs e)
{
Stopwatch stopWatchParallel = new Stopwatch();
stopWatchParallel.Start();
ProcessFile();
stopWatchParallel.Stop();
// Get the elapsed time as a TimeSpan value.
TimeSpan ts = stopWatchParallel.Elapsed;
// Format and display the TimeSpan value.
string elapsedTime = String.Format("{0:00}:{1:00}:{2:00}.{3:00}",
ts.Hours, ts.Minutes, ts.Seconds,
ts.Milliseconds / 10);
MessageBox.Show(elapsedTime);
Stopwatch stopWatchLinQ = new Stopwatch();
stopWatchLinQ.Start();
ReadFile();
stopWatchLinQ.Stop();
// Get the elapsed time as a TimeSpan value.
TimeSpan ts2 = stopWatchLinQ.Elapsed;
// Format and display the TimeSpan value.
string elapsedTimeLinQ = String.Format("{0:00}:{1:00}:{2:00}.{3:00}",
ts2.Hours, ts.Minutes, ts.Seconds,
ts2.Milliseconds / 10);
MessageBox.Show(elapsedTimeLinQ);
}
您可以為此內置OleDb。
public void ImportCsvFile(string filename)
{
FileInfo file = new FileInfo(filename);
using (OleDbConnection con =
new OleDbConnection("Provider=Microsoft.Jet.OLEDB.4.0;Data Source=\"" +
file.DirectoryName + "\";
Extended Properties='text;HDR=Yes;FMT=Delimited(,)';"))
{
using (OleDbCommand cmd = new OleDbCommand(string.Format
("SELECT * FROM [{0}]", file.Name), con))
{
con.Open();
// Using a DataTable to process the data
using (OleDbDataAdapter adp = new OleDbDataAdapter(cmd))
{
DataTable tbl = new DataTable("MyTable");
adp.Fill(tbl);
//foreach (DataRow row in tbl.Rows)
//Or directly make a list
List<DataRow> list = dt.AsEnumerable().ToList();
}
}
}
}
簽出快速CSV閱讀器 。
最近,我面臨一個問題,即出於相同的目的,需要盡快解析大型CSV文件:數據聚合和指標計算(在我的情況下,最終目標是數據透視表的生成)。 我測試了大多數流行的CSV閱讀器,但發現它們並不是為解析具有百萬行或更多行的CSV文件而設計的。 JoshClose的CsvHelper速度很快,但最終我能夠將CSV作為流處理的速度提高了2到4倍!
我的方法基於兩個假設:
foreach
) -作為for
效率要高得多。 實際使用情況數字(200MB CSV文件的數據透視表,17列,僅3列用於構建交叉表):
-更新-
我已經在github上發布了如上所述工作的庫: https : //github.com/nreco/csv
Nuget包: https ://www.nuget.org/packages/NReco.Csv/
您應該看看CsvHelper => https://github.com/JoshClose/CsvHelper/
它允許您使用類映射.csv文件,因此可以將.csv文件用作對象。 嘗試一下,然后嘗試應用並行操作以查看是否有更好的性能。
這是我為一個項目准備的示例代碼:
using (var csv = new CsvReader(new StreamReader(filePath, Encoding.Default)))
{
csv.Configuration.Delimiter = ';';
csv.Configuration.ClassMapping<LogHeaderMap, LogHeader>();
var data = csv.GetRecords<LogHeader>();
foreach (var entry in data.OrderByDescending(x => x.Date))
{
//process
}
}
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.