使用python處理百萬條數據分享(適用於java新手)

1、前言

因為負責基礎服務,經常需要處理一些數據,但是大多時候采用awk以及java程序即可,但是這次突然有百萬級數據需要處理,通過awk無法進行匹配,然后我又采用java來處理,文件一分為8同時開啟8個線程並發處理,但是依然處理很慢,處理時長起碼在1天+所以無法忍受這樣的處理速度就采用python來處理,結果速度有了質的提升,大約處理時間為1個小時多一點,這個時間可以接受,后續可能繼續采用大數據思想來處理,相關的會在后續繼續更新。

2、安裝python

 

第一步首先下載python軟件,在官網可以根據自己情況合理下載,其余就是下一步搞定,然后在開始里面找到python的exe,點擊開然后輸入1+1就可以看出是否安裝成功了.如下圖

 

3、IEDA編輯器如何使用python

首先我們在idea中打開設置然后點擊plugins,在里面有個輸入框中輸入python,根據提示找到如下的這個(idea版本不同可能影響python版本)

 

然后開始創建idea工程

file->New->Project->python然后出現如下圖情況(其他的下一步然后就會創建工程了)

 

4、開發前知識准備

文件的讀取,python讀取文件非常的簡單,我現在直接貼代碼提供給大家

 

def readData(fileName):
    result = ""
    count=0
    with open(fileName, 'r') as f:
        for line in f.readlines():
            result += line
            count += 1
            print count
    return result


"""寫入文件"""


def writeData(fileName, data):
    with open(fileName, 'a+')as f:
        f.write(data)

 

其中def是函數的定義,如果我們寫定義一個函數直接前面加上def,返回值可以獲取后直接用return即可

python我們直接采用with open('文件路徑',模式) as f的方式來打開文件

模式：

r	只讀	文件不存在則出錯
r+	支持讀寫	文件不存在則出錯,寫入時,會覆蓋源文件
w	只寫	如果文件不存在則創建文件,會覆蓋源文件,如果寫入內容少則保留為覆蓋的內容
w+	支持讀寫	同上
a	只寫	如果文件不存在則創建文件,會采用追加模式
a+	讀寫	同上
b	二進制讀寫

 

 

 

 

 

 

 

 

 

跨文件引用:

同一個層級python是采用import直接導入文件名的方式,看下一個代碼

 

import IoUtils

fileName1 = 'D:\\works\\pythons\\files\\userids.txt'
userIds = IoUtils.readData(fileName1).split('\n')
fileName2 = 'D:\\works\\pythons\\files\\records.txt'
records = IoUtils.readData(fileName2).strip()
recordsArr = records.split('\n')
count=0;
for data in recordsArr:
    count+=1
    if data.split('\t')[2] in userIds:
        IoUtils.writeData('D:\\works\\pythons\\files\\20180604.txt', data + '\n')
    print count

 

其他說明：

其中split和java程序的split一樣,strip是去掉空格換行符等,循環(for in)模式,判斷某個元素是否在數組中存在則直接使用 元素 in 數組

 

5、總結

如果你有數據量級別在百分的時候我建議優先可以想到python處理真的特別方便,而且很簡單學習成本也很低,但是卻很實用，其實awk在數據處理中也發揮很大的作用,大家可以私下學習,如果有時間我會分享一些,關於數據我這里就不提供了大家可以按照我上述代碼跑就可以,更細節的我推薦看廖雪峰的python教程。