json 格式是：
{
"AAPP":["0","0","0","0","0"],
"AAPP_TD":["0","0","0","0","0"],
"ABC1_ECM":["1","1","1","1","1"],
...,
"ROWKEY":"30072019B20020051"}
推荐学习书目
› Learn Python the Hard Way
Python Sites
› PyPI - Python Package Index
› http://diveintopython.org/toc/index.html
› Pocoo
值得关注的项目
› PyPy
› Celery
› Jinja2
› Read the Docs
› gevent
› pyenv
› virtualenv
› Stackless Python
› Beautiful Soup
› 结巴中文分词
› Green Unicorn
› Sentry
› Shovel
› Pyflakes
› pytest
Python 编程
› pep8 Checker
Styles
› PEP 8
› Google Python Style Guide
› Code Style from The Hitchhiker's Guide
This topic created in 2650 days ago, the information mentioned may be changed or developed.
 |
1
提取其中需要的键值对进 pandas，比如"ABC1_ECM":["1","1","1","1","1"] 中的 ABC1_ECM 作为表头，列表作为数据
|
 |
faketempAug 7, 2019
2
如果要一次性装载 1G 大小的 json 在内存中分析 感觉会很卡很慢
试过用 python 加载 200M 左右的文本文件约 1000 万行数据，用传说中的大数据清洗工具 flashtext 替换一个字词超过半个钟（不知道是不是姿势不太对），只能放弃 不知道大文本 /大数据清洗到底该用什么趁手工具或者库？ |
 |
3
这么大的话，我会选择先搞进 mongodb，顺便把常用的索引也做了。
|
1 |
OrenoidAug 7, 2019
4
这个大小就不应该用 json 存吧。。格式固定的话，自己逐行读取解析吧
|
 |
mystorpAug 7, 2019 via Android
5
使用 json stream parser 如果是 node，可以看看这个库：JSONStream。其它语言的自己搜索下
|
 |
IanPeverellAug 7, 2019
6
先存到 mongo 或者 redis 里然后再读吧
|
 |
CCColbyAug 7, 2019
7
按照行读，设置 chunk size ？然后 for 处理咯
|
 |
SbloodySAug 7, 2019
8
1G 不大，开多几个进程切片就好了，想快就开 spark
|
 |
shusonAug 7, 2019
9
用 hive，create external table
然后用 spark sql 读 |
 |
flyingghostAug 7, 2019
10
这么规整的文件，是否可以考虑尝试当做 csv 来读？ read_csv 的 sep 参数支持正则的。
|
 |
F281M6Dh8DXpD1g2Aug 7, 2019 via iPhone
11
pyspark 读完写入数据库
轻轻松松 |
 |
JunoNinAug 7, 2019 via Android
12
这么大，来看看别人怎么说
|
 |
ntdllAug 7, 2019
13
分情况，内存状况是否允许一次性载入内存
- 允许：一把梭，小文件怎么搞，这个一样搞，无非费点内存 - 不允许：使用 Stream API 读取，避免一次性载入内存 |
 |
smallgoogleAug 7, 2019
14
真心太大了。还先想想把它导入数据库把。
|
 |
15
流式解析，流式写入即可
python 不熟悉，关键字 python stream json 搜索到的库： https://github.com/danielyule/naya http://explique.me/Ijson/ |
 |
16
同楼上，可以通过 stream 来解析；
不过我好奇这文件怎么来的，而且用 Json 来传输这么大的数据损耗太严重了，用其他二进制格式的话，数据大小可以减小好几倍；再分析下数据的规律，其实还有很大的压缩空间。 |
 |
momocraftAug 7, 2019
17
这个 json 的 py 内存表示 可能比 json 字符串本身大不少
|
 |
necomancerAug 10, 2019
18
pandas 不是有 read_json 函数么……没用过，但是印象里 pandas 的解析器大多是 C 版的，效率应该不差。
|
 |
feelyouAug 30, 2019
19
我这里有个 96g 的 json。。。
|
Select Language