Способ чтения первых нескольких строк для pandas dataframe

Есть ли встроенный способ использования read_csv для чтения только первых строк n файла, не зная длины строк раньше времени? У меня есть большой файл, который занимает много времени, чтобы читать, и изредка хочу использовать только первые, скажем, 20 строк, чтобы получить образец (и предпочитаем не загружать всю вещь и не брать ее в голову).

Если бы я знал общее количество строк, я мог бы сделать что-то вроде footer_lines = total_lines - n и передать это ключевому слову skipfooter. Мое текущее решение состоит в том, чтобы вручную захватить первые строки n с помощью python и StringIO на pandas:

import pandas as pd
from StringIO import StringIO

n = 20
with open('big_file.csv', 'r') as f:
    head = ''.join(f.readlines(n))

df = pd.read_csv(StringIO(head))

Это не так уж плохо, но есть ли более сжатый, "пандасический" (?) способ сделать это с помощью ключевых слов или чего-то еще?

Ответ 1

Я думаю, вы можете использовать параметр nrows. Из документы:

nrows : int, default None

    Number of rows of file to read. Useful for reading pieces of large files

который, похоже, работает. Используя один из стандартных больших тестовых файлов (988504479 байт, 5344499 строк):

In [1]: import pandas as pd

In [2]: time z = pd.read_csv("P00000001-ALL.csv", nrows=20)
CPU times: user 0.00 s, sys: 0.00 s, total: 0.00 s
Wall time: 0.00 s

In [3]: len(z)
Out[3]: 20

In [4]: time z = pd.read_csv("P00000001-ALL.csv")
CPU times: user 27.63 s, sys: 1.92 s, total: 29.55 s
Wall time: 30.23 s

Ответ 2

Вот вариант

df = pd.read_csv("file.csv")
df.head()

Он открывает csv и читает первые 5 строк.