Použití iterátorů pro načítání velkých souborů do paměti

Python Toolbox

Hugo Bowne-Anderson

Data Scientist at DataCamp

Načítání dat po částech

Data mohou být příliš velká pro paměť
Řešení: načítat data po částech!
Funkce pandas: read_csv()
- Určení velikosti části: chunksize

Iterace přes data

import pandas as pd
result = []

for chunk in pd.read_csv('data.csv', chunksize=1000):

    result.append(sum(chunk['x']))

total = sum(result)

print(total)

Iterace přes data

import pandas as pd
total = 0

for chunk in pd.read_csv('data.csv', chunksize=1000):
    total += sum(chunk['x'])

print(total)

Pojďme si procvičit!

Python Toolbox