如果我可以使用带有自定义分隔符的read_csv,为什么要在Pandas中使用read_fwf呢?

6jjcrrmo  于 2023-02-14  发布在  其他
关注(0)|答案(1)|浏览(110)

我看不出read_fwf在Pandas中有什么用。为什么我要用它来代替支持自定义分隔符的read_csv呢?我试着对一个大型固定列宽文件的速度进行测试,read_csv要快得多:

data = ("colum1    column2222   column3333   column4\n"
        "id8141    360.242940   149.910199   11950.7\n"
        "id1594    444.953632   166.985655   11788.4\n"
        )

colspecs = [(0, 6), (8, 20), (21, 33), (34, 43)]
data = data * 10000000

with open("big_file.txt", "w") as f:
    f.write(data)
start_time = time.time()
df = pd.read_csv("big_file.txt", header=None, dtype={"colum1": str, "column2222": float, "column3333": float, "column4":float}, sep="\s+")
print(f"--- {time.time() - start_time} seconds ---")
--- 4.0295188426971436 seconds ---
start_time = time.time()
df = pd.read_fwf("big_file.txt", header=None, colspecs=colspecs, 
                 dtype={"colum1": str, "column2222": float, "column3333": float, "column4":float})
print(f"--- {time.time() - start_time} seconds ---")
--- 77.41955280303955 seconds ---
daolsyd0

daolsyd01#

我不认为PandasAPIread_fwf函数的存在是出于 * 美学目的 *。核心开发人员让我们可以访问这个函数,因为在某些情况下,它是正确阅读文本文件作为DataFrame的唯一有效方法。
我可以看到的一个例子(read_fwf在这里派上了用场)是下面的(.txt)文件:

87        foo
     341  5
bar  1

除非您使用 *magic/regex分隔符 *,否则read_csv无法正确解析这3列。

df = pd.read_fwf("file.txt", widths=[4, 5, 4], names=["A", "B", "C"])

print(df)

     A      B    C
0   87    NaN  foo
1  NaN  341.0  5.0
2  bar    1.0  NaN

相关问题