Question

我想从目标目录中读取多个CSV文件（数百个文件，每行数百行但列数相同）到单个Python Pandas DataFrame中。

我写的下面的代码工作但速度太慢。运行30个文件需要几分钟（如果我加载所有文件，我应该等多久）。我可以改变什么来使其更快地运作？

此外，在replace函数中，我想将“_”（不知道编码，但不是正常编码）替换为“ - ”（正常的utf-8），我怎么能那样做？我使用coding=latin-1因为我在文件中有法语口音。

#coding=latin-1

import pandas as pd
import glob

pd.set_option('expand_frame_repr', False)

path = r'D:\Python27\mypfe\data_test'
allFiles = glob.glob(path + "/*.csv")
frame = pd.DataFrame()
list_ = []
for file_ in allFiles:
    df = pd.read_csv(file_, index_col = None, header = 0, sep = ';', dayfirst = True, 
                     parse_dates=['HeurePrevue','HeureDebutTrajet','HeureArriveeSurSite','HeureEffective'])
    df.drop(labels=['aPaye','MethodePaiement','ArgentPercu'],axis=1,inplace=True)
    df['Sens'].replace("\n", "-", inplace=True,regex=True)
    list_.append(df)

    print "fichier lu:",file_

frame = pd.concat(list_)

print frame

Answer 1

您可以尝试以下操作 - 只读取真正需要的列，使用列表理解并调用pd.concat([ ... ], ignore_index=True)一次，因为它很慢：

# there is no sense to read columns that you don't need
# specify the column list (EXCLUDING: 'aPaye','MethodePaiement','ArgentPercu')
cols = ['col1', 'col2', 'etc.']
date_cols = ['HeurePrevue','HeureDebutTrajet','HeureArriveeSurSite','HeureEffective']

df = pd.concat(
        [pd.read_csv(f, sep = ';', dayfirst = True, usecols=cols, 
                     parse_dates=date_cols)
         for f in allFiles
        ],
        ignore_index=True
     )

如果您有足够的内存来存储两个生成的DF ...

，这应该可行

加快将多个csv导入python数据帧的过程

1 个答案: