在 Python 中加载 15GB 文件

Question

我有一个包含25000行的15GB文本文件。我正在用Python创建一个多级字典，形式如下： dict1 = {''：int}， dict2 = {'':d ict1}.

我必须在我的程序中多次使用整个dict2（大约1000...在for循环中）。谁能说出一个好方法。

相同类型的信息存储在文件中（25000张图像的不同RGB值的计数，每行1张图像）例如：文件的 1 行如下所示：图片 1 ： 255,255,255-70 ;234,221,231-40 ;112,13,19-28 ;图片 2 ： 5,25,25-30 ;34,15,61-20 ;102,103,109-228 ;等等。

Answer 1

最好的方法是使用分块。

def read_in_chunks(file_object, chunk_size=1024):
    """Lazy function (generator) to read a file piece by piece.
    Default chunk size: 1k."""
    while True:
        data = file_object.read(chunk_size)
        if not data:
            break
        yield data
f = open('really_big_file.dat')
for piece in read_in_chunks(f):
    process_data(piece)

请注意，当您开始处理移动到map-reduce习惯用法的大文件时可能会有所帮助，因为您将能够独立处理单独的分块文件，而无需将完整的数据集拉入内存。

Answer 2

在python中，如果使用文件对象作为迭代器，则可以逐行读取文件，而无需在内存中打开整个内容。

for line in open("huge_file.txt"):
    do_something_with(line)