Linuxの「より」非常に大きなタプル/ファイル/デシベルを記録/ numpy.ndarrayのためのpythonのコードのような?
質問
私は、バッファがちょうどLinuxコマンド「より」ようなことがあり、タプル/ csvファイル/ sqliteのDBレコード/ numpy.darrayにプロセスの巨大なレコードのバッファコードを探しに思います。
リクエストが巨大なデータレコード(多分億行)を処理することから来て、レコードは次のようになります:
0.12313 0.231312 0.23123 0.152432
0.22569 0.311312 0.54549 0.224654
0.33326 0.654685 0.67968 0.168749
...
0.42315 0.574575 0.68646 0.689596
私はnumpy.darrayでそれらを処理します。例えば、特別なデータがそれを処理見つけて、戻ってそれらを保存、または2つのCOLSを処理します。それが大きすぎるしかしnumpyのは、ファイルを読み込む場合は、直接それは私にメモリエラーが得られます。
そこで、私が処理するとき、MEMキャッシュページやLinuxのようなアダプタ「複数のファイル」コマンドは、メモリを節約するかもしれないと思う。
これらの生データは、異なる形式として現れる可能性があるため、 - CSV / sqlite_db / HDF5 / XML。私はその後、このアダプタは、より標準化することがしたい、「[]」「行」として使用私は、各レコードは[]のように表すことができると思うので、もっと一般的な方法かもしれません。
だから私はこのようなことがありルックス欲しいものアダプターます:
fd = "a opend big file" # or a tuple of objects, whatever, it is an iterable object can access all the raw rows
page = pager(fd)
page.page_buffer_size = 100 # buffer 100 line or 100 object in tuple
page.seek_to(0) # move to start
page.seek_to(120) # move to line #120
page.seek_to(-10) # seek back to #120
page.next_page()
page.prev_page()
page1 = page.copy()
page.remove(0)
page.sync()
缶誰かが防ぐために私にいくつかのヒントを示します。
?車輪の再発明ところで、ATpy、 http://atpy.sourceforge.net/ のモジュールのCAN同期でありますメモリに、外出先では、異なるフォーマットの生のデータソースとのnumpy.arrayが、しかし、それはまた、すべてのデータを読み込みます。
そしてpytable SQLはそれとHDF5ファイルでサポートされていないためかもしれないsqliteのDBとして人気として(これが間違っている場合は、私を許して)今のところ、私には適していません。
My plan is write this tools in this way:
1. helper.py <-- define all the house-keeping works for different file format
|- load_file()
|- seek_backword()
|- seek_forward()
| ...
2. adapter.py <-- define all the interface and import the helper to interact
with raw data and get a way to interact with numpy.darray in somehow.
|- load()
|- seek_to()
|- next_page()
|- prev_page()
|- sync()
|- self.page_buffer_size
|- self.abs_index_in_raw_for_this_page = []
|- self.index_for_this_page = []
|- self.buffered_rows = []
おかげで、
RGS、
KC
解決
Ummmm ....あなたは本当に多くのリストよりも何も話していない。
fd = open( "some file", "r" )
data = fd.readlines()
page_size = 100
data[0:0+page_size] # move to start
data[120:120+page_size] # move to line 120
here= 120
data[here-10:here-10+page_size] # move back 10 from here
here -= 10
data[here:here+page_size]
here += page_size
data[here:here+page_size]
私はあなたが実際に何かを発明する必要があることはないよ。