有没有办法读取通过gz压缩成dask数据帧的.csv文件?
我直接试过
import dask.dataframe as dd
df = dd.read_csv("Data.gz" )
但是得到一个unicode错误(可能是因为它正在解释压缩字节)有一个"compression"
参数,但是compression = "gz"
不起作用,到目前为止我找不到任何文档。
有了pandas,我可以直接读取文件,除了结果会耗尽我的内存之外,没有其他问题;-)但是如果我限制行数,它可以正常工作。
import pandas.Dataframe as pd
df = pd.read_csv("Data.gz", ncols=100)
熊猫目前的文件显示:
因为“推断”是默认的,这就解释了它为什么要和熊猫一起工作。
Dask关于压缩参数的文档:
这意味着它还应该推断至少gz的压缩。它没有(在0.15.3中仍然没有)可能是一个bug。但是,它使用压缩'gzip'工作。
即:
这实际上是dask的一个长期限制。使用
dask.delayed
instead加载文件:没有档案很难说。如果你设置了编码
like # -*- coding: latin-1 -*-
?或者因为read_csv
是基于熊猫,你甚至可以dd.read_csv('Data.gz', encoding='utf-8')
。下面是Python编码列表:https://docs.python.org/3/library/codecs.html#standard-encodings相关问题 更多 >
编程相关推荐