快捷導(dǎo)航

利用python如何處理百萬條數(shù)據(jù)(適用java新手)

更新時(shí)間：2018年06月06日 08:39:53 作者：朝向遠(yuǎn)方

這篇文章主要給大家介紹了關(guān)于利用python如何處理百萬條數(shù)據(jù)的相關(guān)資料，本文的教程非常適用于java新手，文中通過示例代碼介紹的非常詳細(xì)，需要的朋友可以參考借鑒，下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

1、前言

因?yàn)樨?fù)責(zé)基礎(chǔ)服務(wù),經(jīng)常需要處理一些數(shù)據(jù),但是大多時(shí)候采用awk以及java程序即可,但是這次突然有百萬級(jí)數(shù)據(jù)需要處理,通過awk無法進(jìn)行匹配,然后我又采用java來處理,文件一分為8同時(shí)開啟8個(gè)線程并發(fā)處理,但是依然處理很慢,處理時(shí)長(zhǎng)起碼在1天+所以無法忍受這樣的處理速度就采用python來處理,結(jié)果速度有了質(zhì)的提升,大約處理時(shí)間為1個(gè)小時(shí)多一點(diǎn),這個(gè)時(shí)間可以接受,后續(xù)可能繼續(xù)采用大數(shù)據(jù)思想來處理,相關(guān)的會(huì)在后續(xù)繼續(xù)更新。

2、安裝python

第一步首先下載python軟件,在官網(wǎng)可以根據(jù)自己情況合理下載，大家也可以通過腳本之家進(jìn)行下載其余就是下一步搞定,然后在開始里面找到python的exe,點(diǎn)擊開然后輸入1+1就可以看出是否安裝成功了.如下圖

3、IEDA編輯器如何使用python

首先我們?cè)趇dea中打開設(shè)置然后點(diǎn)擊plugins,在里面有個(gè)輸入框中輸入python,根據(jù)提示找到如下的這個(gè)(idea版本不同可能影響python版本)

然后開始創(chuàng)建idea工程

file->New->Project->python然后出現(xiàn)如下圖情況(其他的下一步然后就會(huì)創(chuàng)建工程了)

4、開發(fā)前知識(shí)準(zhǔn)備

文件的讀取,python讀取文件非常的簡(jiǎn)單,我現(xiàn)在直接貼代碼提供給大家

def readData(fileName):
 result = ""
 count=0
 with open(fileName, 'r') as f:
 for line in f.readlines():
  result += line
  count += 1
  print count
 return result

"""寫入文件"""

def writeData(fileName, data):
 with open(fileName, 'a+')as f:
 f.write(data)

其中def是函數(shù)的定義,如果我們寫定義一個(gè)函數(shù)直接前面加上def,返回值可以獲取后直接用return即可

python我們直接采用with open('文件路徑',模式) as f的方式來打開文件

模式：

r	只讀	文件不存在則出錯(cuò)
r+	支持讀寫	文件不存在則出錯(cuò),寫入時(shí),會(huì)覆蓋源文件
w	只寫	如果文件不存在則創(chuàng)建文件,會(huì)覆蓋源文件,如果寫入內(nèi)容少則保留為覆蓋的內(nèi)容
w+	支持讀寫	同上
a	只寫	如果文件不存在則創(chuàng)建文件,會(huì)采用追加模式
a+	讀寫	同上
b	二進(jìn)制讀寫

跨文件引用:

同一個(gè)層級(jí)python是采用import直接導(dǎo)入文件名的方式,看下一個(gè)代碼

import IoUtils

fileName1 = 'D:\\works\\pythons\\files\\userids.txt'
userIds = IoUtils.readData(fileName1).split('\n')
fileName2 = 'D:\\works\\pythons\\files\\records.txt'
records = IoUtils.readData(fileName2).strip()
recordsArr = records.split('\n')
count=0;
for data in recordsArr:
 count+=1
 if data.split('\t')[2] in userIds:
 IoUtils.writeData('D:\\works\\pythons\\files\\20180604.txt', data + '\n')
 print count

其他說明：

其中split和java程序的split一樣,strip是去掉空格換行符等,循環(huán)(for in)模式,判斷某個(gè)元素是否在數(shù)組中存在則直接使用元素 in 數(shù)組

5、總結(jié)

如果你有數(shù)據(jù)量級(jí)別在百分的時(shí)候我建議優(yōu)先可以想到python處理真的特別方便,而且很簡(jiǎn)單學(xué)習(xí)成本也很低,但是卻很實(shí)用，其實(shí)awk在數(shù)據(jù)處理中也發(fā)揮很大的作用,大家可以私下學(xué)習(xí),如果有時(shí)間我會(huì)分享一些,關(guān)于數(shù)據(jù)我這里就不提供了大家可以按照我上述代碼跑就可以,更細(xì)節(jié)的我推薦看廖雪峰的python教程。

好了，以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，如果有疑問大家可以留言交流，謝謝大家對(duì)腳本之家的支持。

您可能感興趣的文章: