久久久久久久av_日韩在线中文_看一级毛片视频_日本精品二区_成人深夜福利视频_武道仙尊动漫在线观看

  • <small id='BHqZZ'></small><noframes id='BHqZZ'>

      <bdo id='BHqZZ'></bdo><ul id='BHqZZ'></ul>

      <legend id='BHqZZ'><style id='BHqZZ'><dir id='BHqZZ'><q id='BHqZZ'></q></dir></style></legend>
    1. <tfoot id='BHqZZ'></tfoot>
      1. <i id='BHqZZ'><tr id='BHqZZ'><dt id='BHqZZ'><q id='BHqZZ'><span id='BHqZZ'><b id='BHqZZ'><form id='BHqZZ'><ins id='BHqZZ'></ins><ul id='BHqZZ'></ul><sub id='BHqZZ'></sub></form><legend id='BHqZZ'></legend><bdo id='BHqZZ'><pre id='BHqZZ'><center id='BHqZZ'></center></pre></bdo></b><th id='BHqZZ'></th></span></q></dt></tr></i><div class="qwawimqqmiuu" id='BHqZZ'><tfoot id='BHqZZ'></tfoot><dl id='BHqZZ'><fieldset id='BHqZZ'></fieldset></dl></div>

        在 Pandas 中使用多處理讀取 csv 文件的最簡單方法

        Easiest way to read csv files with multiprocessing in Pandas(在 Pandas 中使用多處理讀取 csv 文件的最簡單方法)

        1. <i id='2vZX6'><tr id='2vZX6'><dt id='2vZX6'><q id='2vZX6'><span id='2vZX6'><b id='2vZX6'><form id='2vZX6'><ins id='2vZX6'></ins><ul id='2vZX6'></ul><sub id='2vZX6'></sub></form><legend id='2vZX6'></legend><bdo id='2vZX6'><pre id='2vZX6'><center id='2vZX6'></center></pre></bdo></b><th id='2vZX6'></th></span></q></dt></tr></i><div class="qwawimqqmiuu" id='2vZX6'><tfoot id='2vZX6'></tfoot><dl id='2vZX6'><fieldset id='2vZX6'></fieldset></dl></div>
          <legend id='2vZX6'><style id='2vZX6'><dir id='2vZX6'><q id='2vZX6'></q></dir></style></legend>
            <tbody id='2vZX6'></tbody>
        2. <small id='2vZX6'></small><noframes id='2vZX6'>

                  <bdo id='2vZX6'></bdo><ul id='2vZX6'></ul>
                • <tfoot id='2vZX6'></tfoot>
                  本文介紹了在 Pandas 中使用多處理讀取 csv 文件的最簡單方法的處理方法,對大家解決問題具有一定的參考價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)吧!

                  問題描述

                  限時(shí)送ChatGPT賬號..

                  這是我的問題.
                  帶有一堆 .csv 文件(或其他文件).Pandas 是一種讀取它們并保存為 Dataframe 格式的簡單方法.但是當(dāng)文件量很大時(shí),我想通過多處理讀取文件以節(jié)省一些時(shí)間.

                  Here is my question.
                  With bunch of .csv files(or other files). Pandas is an easy way to read them and save into Dataframe format. But when the amount of files was huge, I want to read the files with multiprocessing to save some time.

                  我手動(dòng)將文件分成不同的路徑.單獨(dú)使用:

                  I manually divide the files into different path. Using severally:

                  os.chdir("./task_1")
                  files = os.listdir('.')
                  files.sort()
                  for file in files:
                      filename,extname = os.path.splitext(file)
                      if extname == '.csv':
                          f = pd.read_csv(file)
                          df = (f.VALUE.as_matrix()).reshape(75,90)   
                  

                  然后將它們組合起來.

                  如何使用 pool 運(yùn)行它們來解決我的問題?
                  任何建議將不勝感激!

                  How to run them with pool to achieve my problem?
                  Any advice would be appreciated!

                  推薦答案

                  使用Pool:

                  import os
                  import pandas as pd 
                  from multiprocessing import Pool
                  
                  # wrap your csv importer in a function that can be mapped
                  def read_csv(filename):
                      'converts a filename to a pandas dataframe'
                      return pd.read_csv(filename)
                  
                  
                  def main():
                  
                      # get a list of file names
                      files = os.listdir('.')
                      file_list = [filename for filename in files if filename.split('.')[1]=='csv']
                  
                      # set up your pool
                      with Pool(processes=8) as pool: # or whatever your hardware can support
                  
                          # have your pool map the file names to dataframes
                          df_list = pool.map(read_csv, file_list)
                  
                          # reduce the list of dataframes to a single dataframe
                          combined_df = pd.concat(df_list, ignore_index=True)
                  
                  if __name__ == '__main__':
                      main()
                  

                  這篇關(guān)于在 Pandas 中使用多處理讀取 csv 文件的最簡單方法的文章就介紹到這了,希望我們推薦的答案對大家有所幫助,也希望大家多多支持html5模板網(wǎng)!

                  【網(wǎng)站聲明】本站部分內(nèi)容來源于互聯(lián)網(wǎng),旨在幫助大家更快的解決問題,如果有圖片或者內(nèi)容侵犯了您的權(quán)益,請聯(lián)系我們刪除處理,感謝您的支持!

                  相關(guān)文檔推薦

                  What exactly is Python multiprocessing Module#39;s .join() Method Doing?(Python 多處理模塊的 .join() 方法到底在做什么?)
                  Passing multiple parameters to pool.map() function in Python(在 Python 中將多個(gè)參數(shù)傳遞給 pool.map() 函數(shù))
                  multiprocessing.pool.MaybeEncodingError: #39;TypeError(quot;cannot serialize #39;_io.BufferedReader#39; objectquot;,)#39;(multiprocessing.pool.MaybeEncodingError: TypeError(cannot serialize _io.BufferedReader object,)) - IT屋-程序員軟件開
                  Python Multiprocess Pool. How to exit the script when one of the worker process determines no more work needs to be done?(Python 多進(jìn)程池.當(dāng)其中一個(gè)工作進(jìn)程確定不再需要完成工作時(shí),如何退出腳本?) - IT屋-程序員
                  How do you pass a Queue reference to a function managed by pool.map_async()?(如何將隊(duì)列引用傳遞給 pool.map_async() 管理的函數(shù)?)
                  yet another confusion with multiprocessing error, #39;module#39; object has no attribute #39;f#39;(與多處理錯(cuò)誤的另一個(gè)混淆,“模塊對象沒有屬性“f)
                  <tfoot id='7JA9g'></tfoot>
                  <legend id='7JA9g'><style id='7JA9g'><dir id='7JA9g'><q id='7JA9g'></q></dir></style></legend>
                  • <small id='7JA9g'></small><noframes id='7JA9g'>

                      <bdo id='7JA9g'></bdo><ul id='7JA9g'></ul>

                          <tbody id='7JA9g'></tbody>

                          <i id='7JA9g'><tr id='7JA9g'><dt id='7JA9g'><q id='7JA9g'><span id='7JA9g'><b id='7JA9g'><form id='7JA9g'><ins id='7JA9g'></ins><ul id='7JA9g'></ul><sub id='7JA9g'></sub></form><legend id='7JA9g'></legend><bdo id='7JA9g'><pre id='7JA9g'><center id='7JA9g'></center></pre></bdo></b><th id='7JA9g'></th></span></q></dt></tr></i><div class="qwawimqqmiuu" id='7JA9g'><tfoot id='7JA9g'></tfoot><dl id='7JA9g'><fieldset id='7JA9g'></fieldset></dl></div>
                          • 主站蜘蛛池模板: 日本在线视频一区二区 | 久久伊人一区二区 | 日韩成人影院 | 九九热国产视频 | 激情综合五月天 | 九九热精品视频 | 99久久影院 | 天堂久久网 | 国产一区影院 | 成人永久免费视频 | 在线欧美亚洲 | 午夜精品一区二区三区在线观看 | 麻豆国产一区二区三区四区 | 最新免费av网站 | 日韩精品一区二区三区在线播放 | 成人在线观看中文字幕 | 精品久久久久久久久久久久久 | 国产成人精品一区二区三区四区 | 亚洲毛片在线观看 | heyzo在线| 在线视频一区二区三区 | 91久久精品国产免费一区 | 国产精品一区二区视频 | 色婷婷av一区二区三区软件 | 欧美中文字幕一区二区三区亚洲 | 国产亚洲一区精品 | av片在线免费看 | 国产一区久久精品 | 国产中文在线观看 | 国产高清一区二区三区 | 九九热精品在线 | 日韩中文字幕高清 | 91社区视频 | 国产精品日本一区二区不卡视频 | 成人欧美一区二区三区在线观看 | 黄色小视频入口 | 久久久欧洲 | 一级一级毛片免费看 | 国产精品一区二区av | 中文字幕精品视频在线观看 | 中文字幕亚洲区一区二 |