有个处理 csv 的问题，想了好几个晚上，都没有办法解决，请教各位

[kavana]

有个超过 256 列的 csv 表，大概在 800 多列，10w 行 另外有一张表，要匹配上面这个表中的部分字段，然后找出关键字对应的值，类似于 vlookup 这种功能 现在的情况是，通过 vlookup 也能找，但是花费的时间比较长，放到数据库里，光导入的时间就不是一点半点的 请教一下大家有没有什么好的办法？

[binux]

你排序了吗？

[madNeal]

能不能希望查询的字段抽出来，写到本地 json 文件中，并且保存和 csv 的映射关系，这样找是不是会快一点。

[AX5N]

能预处理转换成别的数据结构的话，那倒是有很多办法。不过估计跟直接导入数据库也差不多。

[iceheart]

把小表读到内存里，对你要匹配的列建索引(就是建几个 map)。然后遍历大表，先匹配你的查找范围，再从小表的索引里查。
应该用不上多少行代码

[Boyizmen]

excel 功能挺强大的不知道转成 excel 格式来处理能不能满足你的需求

[zk123]

用 ketttle

[hrong]

赞同小表方案。

另外，找找有没有可以高速探索 csv 的库，游标打开后前后移动的那种，这样从真实 csv 取数据不失性能也比较方便。

[doun]

10W 行很大？导数据库不是随便折腾吗？或者 power query 了解一下

[liuzhaowei55]

能否确定需要的列？在本地预处理 csv 文件，然后再上传

[df4VW]

10w 行导入，考虑到比较长，就算个 2 分钟吧

[McooLewis]

全倒进数据库不随便折腾？才多少东西啊导入就要好长时间。

[SErHo]

https://github.com/BurntSushi/xsv 知道有个这个工具，但是没用过，可以看看能不能满足。

[mengzx]

excel 处理这点数据还是没问题的，不需要导入数据库，如果电脑性能差点可以考虑 excel 的 powerquery 处理

[TimePPT]

https://github.com/dinedal/textql
TextQL
Allows you to easily execute SQL against structured text like CSV or TSV.

另，Python 的话用 pandas 直接处理 csv 也很方便，就别导入数据库了

[urmyfaith]

python 貌似很方便

[mmd1989]

10W 行 EXCEL 就搞得定，用 index 配合两个 meach 函数，一定要用 lookup 的话用 lookup 函数，先排序再判断，Vlookup 的效率低很多

[wqzjk393]

导数据库里吧，csv 比 xslx 这些都快，我导三四百 m 的 csv 到 access 都很快了

[Vanquish5419]

才 10w 行，用 pandas 吧，pd.read_csv，简单粗暴

[abusizhishen]

7 秒导入 200w 行 load data infile 了解一下

[expkzb]

用工具将 csv 转成 sqlite 不会花多久的

[super452]

pandas 了解一下？

[ourzhang]

外部表。。。

[kavana]

@mengzx 谢谢啦

[caryqy]

awk + grep 呢

[thedrwu]

10w 行的表，awk 如果写得高效，跑起来飞快。
还能多进程并行！
在几十个核心的服务器上跑个几秒就解决了。

[Hopetree]

数据的东西交给 pandas

[a132811]

才 10w 行，800 列，也没有多少数据嘛。
简单的匹配 grep, awk。复杂点的匹配，就 python 等处理，很方便的啊。

刚 python3 写了一个, 10 多行的事情：
wget https://ahui132.github.io/bin/grepcolumn
chmod u+x grepcolumn


echo 'name=Jack,gender=male,job=coder' | grepcolumn - 'job,name'

echo 'Jack,male,coder' | grepcolumn - 'job,name' -c 'name,gender,job'

echo 'Jack||male||coder' | grepcolumn - 'job,name' -c 'name,gender,job' -d '||'

[annielong]

看字段内容吧，如果是一般的字段，还是导入数据库方便，我曾处理过一次复杂文本的 csv，字段用逗号隔开，但是某个字段是富文本，里面一大堆换行 和逗号，不知道为什么用 Excel 引擎导入只能处理一部分，最后还是写个软件 处理后批量插入数据库

[a132811]

csv 的话 pands 最方便：

dataFrame = pandas.read_csv("./marks.csv", sep=",")
dataFrame = pandas.read_table("./marks.csv", sep=",")

[zynlp]

spss 了解一下？

[zhangsen1992]

数据库操作

[Hzzone]

像是中软杯（滑稽）

[LaFayette]

10W 多行不算大，pandas 就可以处理

[lance7in]

@thedrwu 这么好的工具为啥大伙都不用

[guyskk0x0]

试试 apache drill，先把 csv 里需要的字段抽出来

[xiaohanqing]

MySQL，loadCSV，6 百万行也是几分钟的事