欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

pandas讀取excel時獲取讀取進(jìn)度的實現(xiàn)

 更新時間:2021年04月14日 08:58:01   作者:THUNDER  
這篇文章主要介紹了pandas讀取excel時獲取讀取進(jìn)度的實現(xiàn),文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

寫在前面

QQ群里偶然看到群友問這個問題, pandas讀取大文件時怎么才能獲取進(jìn)度? 我第一反應(yīng)是: 除非pandas的read_excel等函數(shù)提供了回調(diào)函數(shù)的接口, 否則應(yīng)該沒辦法做到. 搜索了一下官方文檔和網(wǎng)上的帖子, 果然是沒有現(xiàn)成的方案, 只能自己動手.

準(zhǔn)備工作

確定方案

一開始我就確認(rèn)了實現(xiàn)方案, 那就是增加回調(diào)函數(shù). 這里現(xiàn)學(xué)現(xiàn)賣科普一下什么是回調(diào)函數(shù). 簡單的說就是:

所使用的模塊里面, 會調(diào)用一個你給定的外部方法/函數(shù), 就是回調(diào)函數(shù). 拿本次的嘗試作為例子, 我會編寫一個"顯示進(jìn)度函數(shù)", 通過傳參的方式傳入pd.read_excel, 這樣pd在讀取excel時, 會邊讀取邊調(diào)用"顯示進(jìn)度函數(shù)". 為什么不直接在pd里面增加? 因為pd讀取excel文件時是阻塞的, 內(nèi)部方法在被調(diào)用時無法拋出進(jìn)度信息. (如有謬誤請指正)

理解讀取方式

先得了解一下pandas是怎么讀取excel的. 在pycharm里面按住control點擊read_excel, 再瀏覽一下代碼根據(jù)關(guān)鍵的函數(shù)繼續(xù)跳轉(zhuǎn), 還是挺容易得到調(diào)用的路徑的.

在這里插入圖片描述

最后OpenpyxlReader讀取excel的方法代碼如下. 很明顯重點就在其中的for循環(huán)里. 調(diào)用get_sheet_data時, 已經(jīng)通過一系列方法獲得了目標(biāo)sheet(這里細(xì)節(jié)不贅述), 然后在for循環(huán)里逐行讀取數(shù)據(jù)并返回data最后生成dataframe.

def get_sheet_data(self, sheet, convert_float: bool) -> List[List[Scalar]]:
        # GH 39001
        # Reading of excel file depends on dimension data being correct but
        # writers sometimes omit or get it wrong
        import openpyxl

        version = LooseVersion(get_version(openpyxl))

        # There is no good way of determining if a sheet is read-only
        # https://foss.heptapod.net/openpyxl/openpyxl/-/issues/1605
        is_readonly = hasattr(sheet, "reset_dimensions")

        if version >= "3.0.0" and is_readonly:
            sheet.reset_dimensions()

        data: List[List[Scalar]] = []
        last_row_with_data = -1
        for row_number, row in enumerate(sheet.rows):
            converted_row = [self._convert_cell(cell, convert_float) for cell in row]
            if not all(cell == "" for cell in converted_row):
                last_row_with_data = row_number
            data.append(converted_row)

        # Trim trailing empty rows
        data = data[: last_row_with_data + 1]

        if version >= "3.0.0" and is_readonly and len(data) > 0:
            # With dimension reset, openpyxl no longer pads rows
            max_width = max(len(data_row) for data_row in data)
            if min(len(data_row) for data_row in data) < max_width:
                empty_cell: List[Scalar] = [""]
                data = [
                    data_row + (max_width - len(data_row)) * empty_cell
                    for data_row in data
                ]

        return data

開始改動

這里直接暴力更改pandas庫源文件!(僅用于調(diào)試, 注意備份和保護(hù)自己的工作環(huán)境)

主程序代碼

編寫main.py, 代碼比較簡單, 相關(guān)功能我都用注釋作為解釋. 其中show_pd_read_excel_progress就是我編寫的回調(diào)函數(shù), 通過命令行的方式輸出實時的讀取進(jìn)度. 當(dāng)然你如果編寫的是GUI程序比如PYQT5, 也可以在這個回調(diào)函數(shù)中發(fā)送signal給main UI, 做成progress bar或者其他的GUI樣式.

import pandas as pd
from datetime import datetime

'''
定義回調(diào)函數(shù)
cur: 讀取時的當(dāng)前行數(shù)
tt: 讀取文件的總行數(shù)
'''
def show_pd_read_excel_progress(cur, tt):
    # 進(jìn)度數(shù)值
    progress = " {:.2f}%".format(cur/tt*100)
    # 進(jìn)度條
    bar = " ".join("█" for _ in range(int(cur/tt*100/10)))
    # 顯示進(jìn)度
    print("\r進(jìn)度:" + bar + progress, end="", flush=True)

# 記錄開始時間
t = datetime.now()
# 開始讀取excel
print("pd.read_excel: test_4.xlsx...")
xl_data = pd.read_excel("test_4.xlsx", callback=show_pd_read_excel_progress)
# 打印excel頭幾行
print(xl_data.head())
print("\n")
# 顯示花費的時間
print("Time spent:", datetime.now()-t)

修改pandas源碼

再自己觀察一下, 我在pd.read_excel方法的參數(shù)里增加了callback參數(shù), 這個參數(shù)是原版read_excel方法里沒有的. 所以我們需要處理pandas源碼, 這個源碼在…/pandas/io/excel/_base.py中, pycharm中按住control點擊read_excel可以快速跳轉(zhuǎn). 這個地方我增加了一個參數(shù)callback, 默認(rèn)值為None. 下方io.parse同樣把callback參數(shù)傳遞給ExcelFile類.

def read_excel(
    io,
    sheet_name=0,
    header=0,
    names=None,
    index_col=None,
    usecols=None,
    squeeze=False,
    dtype=None,
    engine=None,
    converters=None,
    true_values=None,
    false_values=None,
    skiprows=None,
    nrows=None,
    na_values=None,
    keep_default_na=True,
    na_filter=True,
    verbose=False,
    parse_dates=False,
    date_parser=None,
    thousands=None,
    comment=None,
    skipfooter=0,
    convert_float=True,
    mangle_dupe_cols=True,
    storage_options: StorageOptions = None,
    callback = None, # 增加callback參數(shù)
):

    should_close = False
    if not isinstance(io, ExcelFile):
        should_close = True
        io = ExcelFile(io, storage_options=storage_options, engine=engine)
    elif engine and engine != io.engine:
        raise ValueError(
            "Engine should not be specified when passing "
            "an ExcelFile - ExcelFile already has the engine set"
        )

    try:
        data = io.parse(
            sheet_name=sheet_name,
            header=header,
            names=names,
            index_col=index_col,
            usecols=usecols,
            squeeze=squeeze,
            dtype=dtype,
            converters=converters,
            true_values=true_values,
            false_values=false_values,
            skiprows=skiprows,
            nrows=nrows,
            na_values=na_values,
            keep_default_na=keep_default_na,
            na_filter=na_filter,
            verbose=verbose,
            parse_dates=parse_dates,
            date_parser=date_parser,
            thousands=thousands,
            comment=comment,
            skipfooter=skipfooter,
            convert_float=convert_float,
            mangle_dupe_cols=mangle_dupe_cols,
            callback = callback, # 增加callback參數(shù)
        )
    finally:
        # make sure to close opened file handles
        if should_close:
            io.close()
    return data
... # 省略代碼

瀏覽一下ExcelFile類(還在_base.py中)的代碼, 這個類會根據(jù)文件類型選擇引擎, 我讀取的是xlsx文件, 所以會跳轉(zhuǎn)到openpyxl并把所有的參數(shù)傳遞過去, 這個類不用處理. 下面跳轉(zhuǎn)到_openpyxl.py中看一下OpenpyxlReader類, 這個類是繼承BaseExcelReader類(在_base.py中)的, 所以還是得回去看一下BaseExcelReader, 并修改一下參數(shù), 增加callback(如下2處).

def parse(
        self,
        sheet_name=0,
        header=0,
        names=None,
        index_col=None,
        usecols=None,
        squeeze=False,
        dtype=None,
        true_values=None,
        false_values=None,
        skiprows=None,
        nrows=None,
        na_values=None,
        verbose=False,
        parse_dates=False,
        date_parser=None,
        thousands=None,
        comment=None,
        skipfooter=0,
        convert_float=True,
        mangle_dupe_cols=True,
        callback = None, # 增加callback參數(shù)
        **kwds,
    ):
... # 省略代碼
for asheetname in sheets:
            if verbose:
                print(f"Reading sheet {asheetname}")

            if isinstance(asheetname, str):
                sheet = self.get_sheet_by_name(asheetname)
            else:  # assume an integer if not a string
                sheet = self.get_sheet_by_index(asheetname)

            data = self.get_sheet_data(sheet, convert_float, callback) # 傳遞callback參數(shù)給get_sheet_data方法
            usecols = maybe_convert_usecols(usecols)
... # 省略代碼

好了, 終于到重點了, 我們跳轉(zhuǎn)到get_sheet_data方法, 并做對應(yīng)修改(方法參數(shù), 獲取總行數(shù), 調(diào)用回調(diào)函數(shù)). 思路非常清晰, 通過一頓操作, 終于千里迢迢把callback給一層層傳遞過來了, 所以在一行行讀取excel時, 可以調(diào)用并顯示進(jìn)度了.

def get_sheet_data(self, sheet, convert_float: bool, callback) -> List[List[Scalar]]: # 傳遞參數(shù)增加callback
        # GH 39001
        # Reading of excel file depends on dimension data being correct but
        # writers sometimes omit or get it wrong
        import openpyxl
				# 獲取sheet的總行數(shù)
        max_row = sheet.max_row
        print("sheet_max_row:", sheet.max_row)

        version = LooseVersion(get_version(openpyxl))

        # There is no good way of determining if a sheet is read-only
        # https://foss.heptapod.net/openpyxl/openpyxl/-/issues/1605
        is_readonly = hasattr(sheet, "reset_dimensions")

        if version >= "3.0.0" and is_readonly:
            sheet.reset_dimensions()

        data: List[List[Scalar]] = []
        last_row_with_data = -1
        for row_number, row in enumerate(sheet.rows):
						# 調(diào)用回調(diào)函數(shù)
            if callback is not None:
                callback(row_number+1, max_row)
            converted_row = [self._convert_cell(cell, convert_float) for cell in row]
            if not all(cell == "" for cell in converted_row):
                last_row_with_data = row_number
            data.append(converted_row)

        # Trim trailing empty rows
        data = data[: last_row_with_data + 1]

        if version >= "3.0.0" and is_readonly and len(data) > 0:
            # With dimension reset, openpyxl no longer pads rows
            max_width = max(len(data_row) for data_row in data)
            if min(len(data_row) for data_row in data) < max_width:
                empty_cell: List[Scalar] = [""]
                data = [
                    data_row + (max_width - len(data_row)) * empty_cell
                    for data_row in data
                ]

        return data

運行測試

運行一下main.py, 效果如下, 實時顯示進(jìn)度功能已經(jīng)實現(xiàn), 且會計算出讀取所花費的時間. 如果你是要讀取csv或者sql之類的, 也可以照貓畫虎.

在這里插入圖片描述

優(yōu)化和應(yīng)用

  • 前面也說過直接修改pandas源碼是非常不科學(xué)的操作, 這會破壞已有的編程環(huán)境, 且源碼換到別的機(jī)器上還得重新在修改一遍
  • 也嘗試過用繼承+重寫pandas, 不過水平有限沒有成功, 希望大家指點
  • 實測print進(jìn)度條會非常費時間, 當(dāng)然也不需要每讀一行excel都更新一次進(jìn)度條, 定時(比如每秒刷一次)或者定量(每n行, 或者每1%進(jìn)度刷新一次)比較合理
  • 讀取大規(guī)模數(shù)據(jù)時, 頻繁調(diào)用回調(diào)函數(shù)肯定會耽誤效率, 不過如果是GUI程序或者給其他人使用的, 有實時進(jìn)度肯定會改善用戶體驗, 其中優(yōu)劣需要coder自己權(quán)衡

到此這篇關(guān)于pandas讀取excel時獲取讀取進(jìn)度的實現(xiàn)的文章就介紹到這了,更多相關(guān)pandas讀取excel讀取內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • PyQt5 QDockWidget控件應(yīng)用詳解

    PyQt5 QDockWidget控件應(yīng)用詳解

    這篇文章主要介紹了PyQt5 QDockWidget控件應(yīng)用詳解,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2020-08-08
  • 教你如何利用python3爬蟲爬取漫畫島-非人哉漫畫

    教你如何利用python3爬蟲爬取漫畫島-非人哉漫畫

    本文給大家分享利用python3爬蟲爬取漫畫島-非人哉漫畫,本文通過實例代碼給大家介紹的非常詳細(xì),需要的朋友跟隨小編一起學(xué)習(xí)下吧
    2021-07-07
  • Python3 sort和sorted用法+cmp_to_key()函數(shù)詳解

    Python3 sort和sorted用法+cmp_to_key()函數(shù)詳解

    這篇文章主要介紹了Python3 sort和sorted用法+cmp_to_key()函數(shù)詳解,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2023-07-07
  • Python變量名詳細(xì)規(guī)則詳細(xì)變量值介紹

    Python變量名詳細(xì)規(guī)則詳細(xì)變量值介紹

    這篇文章主要介紹了Python變量名詳細(xì)規(guī)則詳細(xì)變量值,Python需要使用標(biāo)識符給變量命名,其實標(biāo)識符就是用于給程序中變量、類、方法命名的符號(簡單來說,標(biāo)識符就是合法的名稱,下面葛小編一起進(jìn)入文章里哦阿姐更多詳細(xì)內(nèi)容吧
    2022-01-01
  • pandas刪除重復(fù)數(shù)據(jù)簡單方法

    pandas刪除重復(fù)數(shù)據(jù)簡單方法

    這篇文章主要給大家介紹了關(guān)于pandas刪除重復(fù)數(shù)據(jù)的簡單方法,在數(shù)據(jù)處理過程中常常會遇到重復(fù)的問題,文中通過實例代碼介紹的非常詳細(xì),需要的朋友可以參考下
    2023-07-07
  • Numpy ndarray 多維數(shù)組對象的使用

    Numpy ndarray 多維數(shù)組對象的使用

    這篇文章主要介紹了Numpy ndarray 多維數(shù)組對象的使用,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2021-02-02
  • Jupyter Notebook/VSCode導(dǎo)出PDF中文不顯示的解決

    Jupyter Notebook/VSCode導(dǎo)出PDF中文不顯示的解決

    這篇文章主要介紹了Jupyter Notebook/VSCode導(dǎo)出PDF中文不顯示的解決方案,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2023-06-06
  • 舉例講解Linux系統(tǒng)下Python調(diào)用系統(tǒng)Shell的方法

    舉例講解Linux系統(tǒng)下Python調(diào)用系統(tǒng)Shell的方法

    這篇文章主要介紹了舉例講解Linux系統(tǒng)下Python調(diào)用系統(tǒng)Shell的方法,包括用Python和shell讀取文件某一行的實例,需要的朋友可以參考下
    2015-11-11
  • 在Python的Bottle框架中使用微信API的示例

    在Python的Bottle框架中使用微信API的示例

    這篇文章主要介紹了在Python的Bottle框架中使用微信API的示例,作者還在文中給出了一個生成的微信可掃描的二維碼圖,需要的朋友可以參考下
    2015-04-04
  • YOLOv5車牌識別實戰(zhàn)教程(六)性能優(yōu)化與部署

    YOLOv5車牌識別實戰(zhàn)教程(六)性能優(yōu)化與部署

    這篇文章主要介紹了YOLOv5車牌識別實戰(zhàn)教程(六)性能優(yōu)化與部署,在這個教程中,我們將一步步教你如何使用YOLOv5進(jìn)行車牌識別,幫助你快速掌握YOLOv5車牌識別技能,需要的朋友可以參考下
    2023-04-04

最新評論