如果你有個5、6 G 大小的文件，想把文件內(nèi)容讀出來做一些處理然后存到另外的文件去，你會使用什么進行處理呢?不用在線等，給幾個錯誤示范：有人用multiprocessing 處理，但是效率非常低。于是，有人用python處理大文件還是會存在效率上的問題。因為效率只是和預期的時間有關，不會報錯，報錯代表程序本身出現(xiàn)問題了~

　　所以，為什么用python處理大文件總有效率問題?

　　如果工作需要，立刻處理一個大文件，你需要注意兩點：

　　01大型文件的讀取效率

　　面對100w行的大型數(shù)據(jù)，經(jīng)過測試各種文件讀取方式，得出結論：

　　with open(filename,"rb") as f:

　　for fLine in f:

　　pass

　　方式最快，100w行全遍歷2.7秒。

　　基本滿足中大型文件處理效率需求。如果rb改為r，慢6倍。但是此方式處理文件，fLine為bytes類型。但是python自行斷行，仍舊能很好的以行為單位處理讀取內(nèi)容。

　　02文本處理效率問題

　　這里舉例ascii定長文件,因為這個也并不是分隔符文件，所以打算采用列表操作實現(xiàn)數(shù)據(jù)分割。但是問題是處理20w條數(shù)據(jù)，時間急劇上升到12s。本以為是byte.decode增加了時間。遂去除decode全程bytes處理。但是發(fā)現(xiàn)效率還是很差。

　　最后用最簡單方式測試，首次運行，最簡單方式也要7.5秒100w次。

　　想知道這個方式處理的完整代碼是什么嗎?掃描文末二維碼，聯(lián)系小編可以獲取哦~

　　那么關于python處理大文件的技巧，從網(wǎng)絡整理三點：列表、文件屬性、字典三個點來看看。

　　1.列表處理

　　def fun(x):盡量選擇集合、字典數(shù)據(jù)類型，千萬不要選擇列表，列表的查詢速度會超級慢，同樣的，在已經(jīng)使用集合或字典的情況下，不要再轉化成列表進行操作，比如：

　　values_count = 0

　　# 不要用這種的

　　if values in dict.values():

　　values_count += 1

　　# 盡量用這種的

　　if keys,values in dict:

　　values_count += 1

　　后者的速度會比前者快好多好多。

　　2. 對于文件屬性

　　如果遇到某個文件，其中有屬性相同的，但又不能進行去重操作，沒有辦法使用集合或字典時，可以增加屬性，比如將原數(shù)據(jù)重新映射出一列計數(shù)屬性，讓每一條屬性具有唯一性，從而可以用字典或集合處理：

　　return '(' + str(x) + ', 1)'

　　list(map(fun,[1,2,3]))

　　使用map函數(shù)將多個相同屬性增加不同項。

　　3. 對于字典

　　多使用iteritems()少使用items()，iteritems()返回迭代器：

　　>>> d = {'a':1,'b':2}

　　>>> for i in d.items() :

　　....    print i

　　('a',1)

　　('b',2)

　　>>> for k,v in d.iteritems() :

　　...     print k,v

　　('a',1)

　　('b',2)

　　字典的items函數(shù)返回的是鍵值對的元組的列表,而iteritems使用的是鍵值對的generator，items當使用時會調(diào)用整個列表 iteritems當使用時只會調(diào)用值。

　　除了以下5個python使用模塊，你還有什么技巧解決大文件運行效率的問題嗎?掃一掃來和我們一起交流，深入了解更多Python實用模塊，快速提升工作效率~

　　1. 讀寫文件技術，今后會用到測試數(shù)據(jù)的參數(shù)化和測試報告寫作功能中~

　　2. 數(shù)據(jù)處理技術，今后測試腳本的測試數(shù)據(jù)處理過程可以用到~

　　3. 數(shù)據(jù)統(tǒng)計分析技術，今后會在測試結果分析中用到

　　4. 圖表展示技術，在今后的測試框架中相關測試報告會用到

　　5. 程序自動觸發(fā)技術，可用于測試腳本程序的自動執(zhí)行。

　　以上就是qiku為大家分享的“qiku教你：如何運用Python編程處理大數(shù)據(jù)”謝謝大家觀看，如果對Python感興趣的話，想學Python培訓的，也可以在線咨詢，我們將竭誠為你解答。