如何在Python中高效地读写大型文件？

大家好，我是 V 哥。上一篇给大家介绍如何使用 Python 进行文件读写操作的方法，问题来了，如何读写的是大型文件，有没有什么方法来提高效率呢，不要捉急，这一篇来聊聊如何在Python中高效地读写大型文件。

以下是在 Python 中高效读写大型文件的一些方法：

一、逐行读取大型文件：

def read_large_file_line_by_line(file_path):
    with open(file_path, 'r') as file:
        for line in file:
            # 处理每一行的数据，这里仅打印
            print(line.strip())

• with open(file_path, 'r') as file：使用 with 语句打开文件，确保文件在使用完毕后自动关闭。
• for line in file：文件对象是可迭代的，逐行读取文件内容，避免一次性将整个文件读入内存，节省内存空间，适用于大型文本文件。

二、分块读取大型文件：

def read_large_file_in_chunks(file_path, chunk_size=1024):
    with open(file_path, 'r') as file:
        while True:
            data = file.read(chunk_size)
            if not data:
                break
            # 处理读取到的数据块，这里仅打印
            print(data)

• file.read(chunk_size)：每次读取指定大小（chunk_size）的数据块，循环读取直到文件结束。
• chunk_size 可以根据实际情况调整，一般根据文件大小和可用内存来选择合适的值。

三、使用 mmap 模块进行内存映射文件操作（适用于大文件）：

import mmap

def read_large_file_with_mmap(file_path):
    with open(file_path, 'r') as file:
        with mmap.mmap(file.fileno(), 0, access=mmap.ACCESS_READ) as mmap_obj:
            # 处理映射的数据，这里仅打印
            print(mmap_obj.readline())

• mmap.mmap(file.fileno(), 0, access=mmap.ACCESS_READ)：将文件映射到内存中，实现文件的高效读写，fileno() 方法获取文件描述符。
• 可以像操作字符串一样操作 mmap_obj，避免了频繁的文件 I/O 操作，提高性能。

四、使用 pandas 分块处理大型 CSV 文件（适用于 CSV 文件）：

import pandas as pd

def read_large_csv_in_chunks(csv_file_path):
    chunk_size = 100000  # 每块的行数
    for chunk in pd.read_csv(csv_file_path, chunksize=chunk_size):
        # 处理数据块，这里仅打印
        print(chunk)

• pd.read_csv(csv_file_path, chunksize=chunk_size)：将 CSV 文件按块读取，chunksize 为每块的行数。
• 可以对每个 chunk 进行数据处理，如数据清洗、分析等操作，避免一次性加载整个文件。

五、使用 numpy 分块处理大型二进制文件（适用于二进制文件）：

import numpy as np

def read_large_binary_in_chunks(binary_file_path, chunk_size=1024):
    with open(binary_file_path, 'rb') as file:
        while True:
            data = np.fromfile(file, dtype=np.float32, count=chunk_size)
            if data.size == 0:
                break
            # 处理数据块，这里仅打印
            print(data)

• np.fromfile(file, dtype=np.float32, count=chunk_size)：从文件中读取二进制数据，dtype 为数据类型，count 为元素数量。
• 可以根据文件的存储数据类型调整 dtype，按块读取二进制文件。

六、使用 itertools 模块进行迭代处理（适用于文本文件）：

import itertools

def read_large_file_with_itertools(file_path, chunk_size=1024):
    with open(file_path, 'r') as file:
        for chunk in itertools.zip_longest(*[iter(file)]*chunk_size):
            chunk = [line.strip() for line in chunk if line]
            # 处理数据块，这里仅打印
            print(chunk)

• itertools.zip_longest(*[iter(file)]*chunk_size)：将文件迭代器分组，每组 chunk_size 行，方便分块处理。

七、使用 linecache 模块逐行读取大型文件（适用于文本文件）：

import linecache

def read_large_file_with_linecache(file_path, line_number):
    line = linecache.getline(file_path, line_number)
    # 处理指定行的数据，这里仅打印
    print(line.strip())

• linecache.getline(file_path, line_number)：从文件中获取指定行的数据，适用于只需要读取文件中某些行的情况，避免读取整个文件。

最后

在处理大型文件时，根据文件类型和操作需求，可灵活使用上述方法，避免一次性将整个文件加载到内存中，从而提高程序的性能和稳定性。同时，可以结合不同的模块和函数，实现复杂的数据处理和分析任务。好了，赶快收藏起来吧，实际工作中你一定会用得到，关注威哥爱编程，学习Python你必成。