Przykładowe dane (np. CSV) - duże pliki 2-3 gb

Przykładowe dane (np. CSV) - duże pliki 2-3 gb
SL
  • Rejestracja:prawie 7 lat
  • Ostatnio:prawie 4 lata
  • Postów:4
0

Heja,

obecnie bawię się w Pandas w Pythonie, wszystko fajnie, tylko chciałbym poćwiczyć na dużych plikach.

Czy orientuje się ktoś, gdzie mogę znaleźć duże darmowe pliki (np. CSV), które będę mógł zaimportować do mojego projektu?

Pisząc "duże pliki" mam na myśli pliki o wadze co najmniej 2 gb.

Althorion
Moderator C/C++
  • Rejestracja:prawie 10 lat
  • Ostatnio:dzień
  • Postów:1603
1

Coś z tego może? Mogą być za duże niektóre — na przykład Google Books Ngrams waży 2.2 TB.

BR
  • Rejestracja:prawie 4 lata
  • Ostatnio:9 miesięcy
  • Postów:2
0

@slepysnajper: ostrożnie z tak dużymi plikami, bo potrzeba na nie dużo pamięci. Może okazać się konieczne rozbicie DataFrame na kawałki.

Masteratom
  • Rejestracja:ponad 9 lat
  • Ostatnio:2 miesiące
  • Postów:81
1

Nie trzeba od razu całego pliku wczytywać do pamięci można wczytywać tylko jedną linijkę z danego pliku, obsłużyć ja i do następnej linii. Przy takim podejściu wielkość pliku jest pomijalna jeśli chodzi o pamięć ram.

siloam
I to jest jedynie słuszne podejście przy dużych zbiorach danych tj. czytanie linia po linii i używanie generatorów gdzie tylko jest to możliwe.
Marcin Marcin
  • Rejestracja:prawie 6 lat
  • Ostatnio:29 dni
  • Postów:610
0

Jeżeli Twój system wczytuje duże pliki po 2-3gb a chcesz poćwiczyć może lepiej zainteresować się bazami danych gdzie za pomocą generatora wygenerujesz sobie 2-3gb rekordów.
duże pliki są problematyczne, przechowywanie takiej ilości danych w plikach csv jest moim zdaniem błędem architektonicznym


Fan moderatora somekind
.andy
  • Rejestracja:ponad 16 lat
  • Ostatnio:około 3 lata
  • Postów:1524
1

@slepysnajper: pod Javę mam np. fajna bibliotekę Java Faker. Można sobie wygenerować "losowe" bazy z dowolną ilością danych i się nimi bawić.

Poszukaj podobnej biblioteki pod Pajtona.


Software is like sex: it's better when it's free.
- Linus Torvalds
siloam
Nie trzeba. Wystarczą moduły radom i uuid. Aby wygenerować w Pythonie fejkowe dane wystarczy kilka linijek kodu. Używanie bibliotek do tak trywialnych zadań uwstecznia programistę.
.andy
@siloam: wygenerowanie jakiegoś losowego numerka i uuida w Javie to też dwie linijki. Pisząc o Java Faker miałem na myśli bardziej rzeczywiste pliki z danymi jak np. dane teleadresowe itp. Można sobie szybko stworzyć np. coś co zasymuluje bazę z userami: email, imię i nazwisko, hasło, login. Wtedy pracujesz na bardziej rzeczywistych danych niż tylko losowy numerek i uuid. Z tego co widzę to jest coś podobnego dla Pajtona https://faker.readthedocs.io/en/master/
OT
  • Rejestracja:prawie 4 lata
  • Ostatnio:9 miesięcy
  • Postów:20
0

Wczytaj dump StackOverflow do bazy danych i wyeksportuj do CSV. Tutaj przykład dotyczący SQL Servera.
https://www.brentozar.com/archive/2015/10/how-to-download-the-stack-overflow-database-via-bittorrent/

edytowany 1x, ostatnio: OnlyTheParanoidSurvive
YO
  • Rejestracja:ponad 9 lat
  • Ostatnio:prawie 3 lata
  • Postów:33
0
Masteratom napisał(a):

Nie trzeba od razu całego pliku wczytywać do pamięci można wczytywać tylko jedną linijkę z danego pliku, obsłużyć ja i do następnej linii. Przy takim podejściu wielkość pliku jest pomijalna jeśli chodzi o pamięć ram.

możesz rozwiąć myśl? chodzi Ci o iterrows?, analiza dużych zbiorów linia po linii to bardzo zły pomysł ,jeżeli chodziło CI o iteracje line by line.
Pliki tak duze można np na kaggle znaleźć. I te 2gb to jest tak na prawde mały plik dla Pandasa.
Ten misiek ma dużo rozwiązań które pomagają w szybkim wczytywaniu większych zbiorów.- ostatecznie DASK

edytowany 1x, ostatnio: yoseph
Kliknij, aby dodać treść...

Pomoc 1.18.8

Typografia

Edytor obsługuje składnie Markdown, w której pojedynczy akcent *kursywa* oraz _kursywa_ to pochylenie. Z kolei podwójny akcent **pogrubienie** oraz __pogrubienie__ to pogrubienie. Dodanie znaczników ~~strike~~ to przekreślenie.

Możesz dodać formatowanie komendami , , oraz .

Ponieważ dekoracja podkreślenia jest przeznaczona na linki, markdown nie zawiera specjalnej składni dla podkreślenia. Dlatego by dodać podkreślenie, użyj <u>underline</u>.

Komendy formatujące reagują na skróty klawiszowe: Ctrl+B, Ctrl+I, Ctrl+U oraz Ctrl+S.

Linki

By dodać link w edytorze użyj komendy lub użyj składni [title](link). URL umieszczony w linku lub nawet URL umieszczony bezpośrednio w tekście będzie aktywny i klikalny.

Jeżeli chcesz, możesz samodzielnie dodać link: <a href="link">title</a>.

Wewnętrzne odnośniki

Możesz umieścić odnośnik do wewnętrznej podstrony, używając następującej składni: [[Delphi/Kompendium]] lub [[Delphi/Kompendium|kliknij, aby przejść do kompendium]]. Odnośniki mogą prowadzić do Forum 4programmers.net lub np. do Kompendium.

Wspomnienia użytkowników

By wspomnieć użytkownika forum, wpisz w formularzu znak @. Zobaczysz okienko samouzupełniające nazwy użytkowników. Samouzupełnienie dobierze odpowiedni format wspomnienia, zależnie od tego czy w nazwie użytkownika znajduje się spacja.

Znaczniki HTML

Dozwolone jest używanie niektórych znaczników HTML: <a>, <b>, <i>, <kbd>, <del>, <strong>, <dfn>, <pre>, <blockquote>, <hr/>, <sub>, <sup> oraz <img/>.

Skróty klawiszowe

Dodaj kombinację klawiszy komendą notacji klawiszy lub skrótem klawiszowym Alt+K.

Reprezentuj kombinacje klawiszowe używając taga <kbd>. Oddziel od siebie klawisze znakiem plus, np <kbd>Alt+Tab</kbd>.

Indeks górny oraz dolny

Przykład: wpisując H<sub>2</sub>O i m<sup>2</sup> otrzymasz: H2O i m2.

Składnia Tex

By precyzyjnie wyrazić działanie matematyczne, użyj składni Tex.

<tex>arcctg(x) = argtan(\frac{1}{x}) = arcsin(\frac{1}{\sqrt{1+x^2}})</tex>

Kod źródłowy

Krótkie fragmenty kodu

Wszelkie jednolinijkowe instrukcje języka programowania powinny być zawarte pomiędzy obróconymi apostrofami: `kod instrukcji` lub ``console.log(`string`);``.

Kod wielolinijkowy

Dodaj fragment kodu komendą . Fragmenty kodu zajmujące całą lub więcej linijek powinny być umieszczone w wielolinijkowym fragmencie kodu. Znaczniki ``` lub ~~~ umożliwiają kolorowanie różnych języków programowania. Możemy nadać nazwę języka programowania używając auto-uzupełnienia, kod został pokolorowany używając konkretnych ustawień kolorowania składni:

```javascript
document.write('Hello World');
```

Możesz zaznaczyć również już wklejony kod w edytorze, i użyć komendy  by zamienić go w kod. Użyj kombinacji Ctrl+`, by dodać fragment kodu bez oznaczników języka.

Tabelki

Dodaj przykładową tabelkę używając komendy . Przykładowa tabelka składa się z dwóch kolumn, nagłówka i jednego wiersza.

Wygeneruj tabelkę na podstawie szablonu. Oddziel komórki separatorem ; lub |, a następnie zaznacz szablonu.

nazwisko;dziedzina;odkrycie
Pitagoras;mathematics;Pythagorean Theorem
Albert Einstein;physics;General Relativity
Marie Curie, Pierre Curie;chemistry;Radium, Polonium

Użyj komendy by zamienić zaznaczony szablon na tabelkę Markdown.

Lista uporządkowana i nieuporządkowana

Możliwe jest tworzenie listy numerowanych oraz wypunktowanych. Wystarczy, że pierwszym znakiem linii będzie * lub - dla listy nieuporządkowanej oraz 1. dla listy uporządkowanej.

Użyj komendy by dodać listę uporządkowaną.

1. Lista numerowana
2. Lista numerowana

Użyj komendy by dodać listę nieuporządkowaną.

* Lista wypunktowana
* Lista wypunktowana
** Lista wypunktowana (drugi poziom)

Składnia Markdown

Edytor obsługuje składnię Markdown, która składa się ze znaków specjalnych. Dostępne komendy, jak formatowanie , dodanie tabelki lub fragmentu kodu są w pewnym sensie świadome otaczającej jej składni, i postarają się unikać uszkodzenia jej.

Dla przykładu, używając tylko dostępnych komend, nie możemy dodać formatowania pogrubienia do kodu wielolinijkowego, albo dodać listy do tabelki - mogłoby to doprowadzić do uszkodzenia składni.

W pewnych odosobnionych przypadkach brak nowej linii przed elementami markdown również mógłby uszkodzić składnie, dlatego edytor dodaje brakujące nowe linie. Dla przykładu, dodanie formatowania pochylenia zaraz po tabelce, mogłoby zostać błędne zinterpretowane, więc edytor doda oddzielającą nową linię pomiędzy tabelką, a pochyleniem.

Skróty klawiszowe

Skróty formatujące, kiedy w edytorze znajduje się pojedynczy kursor, wstawiają sformatowany tekst przykładowy. Jeśli w edytorze znajduje się zaznaczenie (słowo, linijka, paragraf), wtedy zaznaczenie zostaje sformatowane.

  • Ctrl+B - dodaj pogrubienie lub pogrub zaznaczenie
  • Ctrl+I - dodaj pochylenie lub pochyl zaznaczenie
  • Ctrl+U - dodaj podkreślenie lub podkreśl zaznaczenie
  • Ctrl+S - dodaj przekreślenie lub przekreśl zaznaczenie

Notacja Klawiszy

  • Alt+K - dodaj notację klawiszy

Fragment kodu bez oznacznika

  • Alt+C - dodaj pusty fragment kodu

Skróty operujące na kodzie i linijkach:

  • Alt+L - zaznaczenie całej linii
  • Alt+, Alt+ - przeniesienie linijki w której znajduje się kursor w górę/dół.
  • Tab/⌘+] - dodaj wcięcie (wcięcie w prawo)
  • Shit+Tab/⌘+[ - usunięcie wcięcia (wycięcie w lewo)

Dodawanie postów:

  • Ctrl+Enter - dodaj post
  • ⌘+Enter - dodaj post (MacOS)