假设我有一个包含400列的csv文件。我无法将整个文件加载到DataFrame中(不适合内存)。但是,我只想要50列,这将适合内存。我没有看到任何内置的Pandas方式来做到这一点。你有什么建议?我愿意使用PyTables接口或pandas.io.sql。
最好的情况是像pandas.read_csv(....,columns = ['name','age',...,'income'])这样的函数。即我们传递将要加载的列名(或数字)列表。
现在没有默认方法可以做到这一点。我建议分块文件并迭代它并丢弃你不想要的列。所以像pd.concat([x.ix[:, cols_to_keep] for x in pd.read_csv(..., chunksize=200)])
伊恩,我实施了一个usecols
选项,它完全符合你的描述。它将在即将到来的熊猫0.10;开发版即将推出。
从0.10
,你可以使用usecols
之类的
df = pd.read_csv(...., usecols=['name', 'age',..., 'income'])