非常大的CSV文件如何将某些行读取到数据帧中

Question

我有一个非常大的csv文件，无法使用pandas read_csv加载到我的计算机内存中

我看dask.dataframe as dd

我需要使用dask从csv文件中只读取特定列的特定行，并将其存储为熊猫数据帧

例如：

User  ProductA  ProductB
A     1         2
B     2         3
C     3         1

如何使用dask仅读取用户C的行和列ProductA？

作为数据帧的所需输出：

User  ProductA
C     3

Answer 1

您可以使用dask.dataframe的read_csv函数，过滤并将df转换为数据帧：

import dask.dataframe as dd
import pandas as pd

path2file = "yourpath.csv"
cols = ["User", "ProductA"]
# Be careful about the sep (check if it is ; or something else and add it to the
# function below as parameter if so
dataset = dd.read_csv(path2file, usecols=cols)
# Filter 
dataset = dataset.loc[dataset["User"]=="C"]), :]
dataset = dataset.compute()