Python讀csv文件去掉一列后再寫入新的文件

用了兩種方式解決該問題，都是網上現有的解決方案。

場景說明：

有一個數據文件，以文本方式保存，現在有三列user_id,plan_id,mobile_id。目標是得到新文件只有mobile_id,plan_id。

解決方案

方案一：用python的打開文件寫文件的方式直接擼一遍數據，for循環內處理數據並寫入到新文件。

代碼如下：

def readwrite1( input_file,output_file):
    f = open(input_file, 'r')
    out = open(output_file,'w')
    print (f)
    for line in f.readlines():
        a = line.split(",")
        x=a[0] + "," + a[1]+"\n"
        out.writelines(x)
    f.close()
    out.close()

方案二：用 pandas 讀數據到 DataFrame 再做數據分割，直接用 DataFrame 的寫入功能寫到新文件

代碼如下：

def readwrite2(input_file,output_file):
    date_1=pd.read_csv(input_file,header=0,sep=',')
    date_1[['mobile', 'plan_id']].to_csv(output_file, sep=',', header=True,index=False)

 

從代碼上看，pandas邏輯更清晰。

 

下面看下執行的效率吧！

def getRunTimes( fun ,input_file,output_file):
    begin_time=int(round(time.time() * 1000))
    fun(input_file,output_file)
    end_time=int(round(time.time() * 1000))
    print("讀寫運行時間：",(end_time-begin_time),"ms")

getRunTimes(readwrite1,input_file,output_file)  #直接擼數據
getRunTimes(readwrite2,input_file,output_file1) #使用dataframe讀寫數據

讀寫運行時間： 976 ms
讀寫運行時間： 777 ms

input_file 大概有27萬的數據，dataframe的效率比for循環效率還是要快一點的，如果數據量更大些，效果是否更明顯呢？

下面試下增加input_file記錄的數量試試，有如下結果

input_file	readwrite1	readwrite2
27W	976	777
55W	1989	1509
110W	4312	3158

 

 

 

 

 

 

從上面測試結果來看,dataframe的效率提高大約30%左右。