我有多个 zip 文件,其中包含不同类型的 txt 文件。 如下:
zip1
- file1.txt
- file2.txt
- file3.txt
如何使用 pandas 读取每个文件而不解压它们?
我知道如果每个 zip 有 1 个文件,我可以使用 read_csv 的压缩方法,如下所示:
df = pd.read_csv(textfile.zip, compression='zip')
任何有关如何执行此操作的帮助都会很棒。
您可以将
ZipFile.open()
传递给 pandas.read_csv()
,从打包到多文件 pandas.DataFrame
的 csv 文件构建 zip
。
pd.read_csv(zip_file.open('file3.txt'))
.csv
读入字典的示例:from zipfile import ZipFile
zip_file = ZipFile('textfile.zip')
dfs = {text_file.filename: pd.read_csv(zip_file.open(text_file.filename))
for text_file in zip_file.infolist()
if text_file.filename.endswith('.csv')}
处理此问题的最简单方法(如果您将一个大 csv 文件的多个部分压缩为一个 zip 文件)。
import pandas as pd
from zipfile import ZipFile
df = pd.concat(
[pd.read_csv(ZipFile('some.zip').open(i)) for i in ZipFile('some.zip').namelist()],
ignore_index=True
)
不久前我对 XML 文件也遇到了类似的问题。 zipfile 模块可以帮助您实现目标。
from zipfile import ZipFile
z = ZipFile(yourfile)
text_files = z.infolist()
for text_file in text_files:
z.read(text_file.filename)
如果您想将它们连接到 pandas 对象中,那么它可能会变得更复杂一些,但这应该可以帮助您开始。请注意,
read
方法返回字节,因此您可能也必须处理它。
对于 zip 文件中有空 txt 文件的人:
from zipfile import ZipFile
z = ZipFile('textfile.zip')
df = pd.concat(
[pd.read_csv(z.open(i.filename)) for i in z.infolist() if i.compress_size > 0],
ignore_index=True)
否则,会出现“pandas.errors.EmptyDataError: No columns to parse from file”。
valentinmk 的答案是一个很好的答案。对它进行一项小小的更改,可确保 zip 文件内有文件夹或其他文件时不会出现错误。所以我添加了 if endwith。
import pandas as pd
from zipfile import ZipFile
df = pd.concat(
[pd.read_csv(ZipFile('some.zip').open(i)) for i in ZipFile('some.zip').namelist() if i.endswith('.csv')],
ignore_index=True
)