如何在Python中便宜地计算行数?

我需要在python中获得一个大文件(数十万行)的行数。 什么是记忆和时间最有效的方式?

目前我这样做:

def file_len(fname):
    with open(fname) as f:
        for i, l in enumerate(f):
            pass
    return i + 1

有没有可能做得更好?


你不能比这更好。

毕竟,任何解决方案都必须读取整个文件,找出有多少n ,并返回该结果。

没有阅读整个文件,你有没有更好的方法呢? 不确定...最好的解决方案将永远是I / O绑定的,最好的办法是确保你不使用不必要的内存,但看起来你已经覆盖了。


一条线可能非常快:

num_lines = sum(1 for line in open('myfile.txt'))

我相信内存映射文件将是最快的解决方案。 我尝试了四个函数:OP发布的函数( opcount ); 对文件中的行进行简单迭代( simplecount ); 带有内存映射mapcount readline(mmap)( mapcount ); 以及由Mykola Kharechko( bufcount )提供的缓冲读取解决方案。

我运行了五次函数,并计算了一个120万行文本文件的平均运行时间。

Windows XP,Python 2.5,2GB RAM,2 GHz AMD处理器

这是我的结果:

mapcount : 0.465599966049
simplecount : 0.756399965286
bufcount : 0.546800041199
opcount : 0.718600034714

编辑 :Python 2.6的数字:

mapcount : 0.471799945831
simplecount : 0.634400033951
bufcount : 0.468800067902
opcount : 0.602999973297

所以缓冲区读取策略似乎是Windows / Python 2.6中最快的

代码如下:

from __future__ import with_statement
import time
import mmap
import random
from collections import defaultdict

def mapcount(filename):
    f = open(filename, "r+")
    buf = mmap.mmap(f.fileno(), 0)
    lines = 0
    readline = buf.readline
    while readline():
        lines += 1
    return lines

def simplecount(filename):
    lines = 0
    for line in open(filename):
        lines += 1
    return lines

def bufcount(filename):
    f = open(filename)                  
    lines = 0
    buf_size = 1024 * 1024
    read_f = f.read # loop optimization

    buf = read_f(buf_size)
    while buf:
        lines += buf.count('n')
        buf = read_f(buf_size)

    return lines

def opcount(fname):
    with open(fname) as f:
        for i, l in enumerate(f):
            pass
    return i + 1


counts = defaultdict(list)

for i in range(5):
    for func in [mapcount, simplecount, bufcount, opcount]:
        start_time = time.time()
        assert func("big_file.txt") == 1209138
        counts[func].append(time.time() - start_time)

for key, vals in counts.items():
    print key.__name__, ":", sum(vals) / float(len(vals))
链接地址: http://www.djcxy.com/p/31511.html

上一篇: How to get line count cheaply in Python?

下一篇: Why is scanf/printf faster than cin/cout?