- 1、本文档共3页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
数据读取和处理方式
批量处理:使用pd.read_csv以chunksize参数分块读取CSV文件,每次读取batch_size行数据。
批量插入和查询:将每个批次的CSV数据注册为DuckDB表,并插入到一个临时表中,然后执行连接查询。
优点:批量处理可以减少数据库操作次数,提高效率,适合处理大型CSV文件。
初:
逐行处理:使用pd.read_csv一次性读取整个CSV文件,然后逐行遍历每一行数据。
逐行查询:为每一行数据构造SQL查询语句,并逐行执行查询。
缺点:逐行处理和查询会导致大量数据库操作,效率较低,尤其在处理大文件时性能较差
临时表和查询优化
临时表:创建了一个临时表temp_table来存储批次的CSV数据,减少了重复的数据库操作。
连接查询:通过左连接(LEFTJOIN)一次性查询多行数据,能够更高效地比较CSV文件与数据库中的数据。
初:
没有使用临时表:直接逐行查询,没有优化数据库操作。
逐行查询:每行数据都需要执行一次查询,查询次数多,效率低下。
批量处理(BatchProcessing):代码使用pandas的read_csv方法,以chunksize参数将CSV文件分块读取。这样,数据不会一次性全部加载到内存中,避免了内存溢出的问题。这种方法尤其适用于处理大型CSV文件,可以显著提高处理效率。
临时表(TemporaryTable):代码创建了一个临时表temp_table来存储每个批次的数据。这种方式可以在执行查询时减少I/O操作,因为数据已经在内存中准备好。
连接查询(JOINQuery):使用DuckDB的SQL语法,通过左连接(LEFTJOIN)查询临时表与数据库表的匹配情况。这样可以在一次查询中完成多行数据的比对,效率较高。
数据库注册(RegisteringDataFrameasTable):每次处理一个批次的数据时,代码会使用con.register方法将pandasDataFrame注册为DuckDB表,这样可以直接在SQL查询中使用DataFrame,减少了数据转换的开销。
批量插入(BatchInsert):批量插入数据到临时表中,而不是一行一行地插入,减少了插入操作的开销。
构建查询:
query=fSELECTcsv.*,db.*FROMtemp_dfAScsvLEFTJOIN{table_name}ASdbON{AND.join([fcsv.{col}=db.{col}forcolinbatch_df.columns])}:
temp_dfAScsv:这是从CSV文件读取的当前批次数据的临时表。
{table_name}ASdb:这是数据库中的目标表。
ON{AND.join([fcsv.{col}=db.{col}forcolinbatch_df.columns])}:这是连接条件,根据CSV文件中的列名和数据库表中的列名进行匹配。
执行查询:
result=con.execute(query):执行构建的左连接查询。
文档评论(0)