将 3.7GB 的大型 json 文件加载到数据框中，并使用 ijson 转换为 csv 文件

Question

我有一个很大的 json 数据文件，有 3.7gb。我要将 json 文件加载到数据框并删除未使用的列，而不是将其转换为 csv 并加载到 sql。内存是40gb 我的 json 文件结构

{"a":"Ho Chi Minh City, Vietnam","gender":"female","t":"841675194476","id":"100012998502085","n":"Lee Mến"}
{"t":"84945474479","id":"100012998505399","n":"Hoàng Giagia"}
{"t":"841679770421","id":"100012998505466","n":"Thoại Mỹ"}

我尝试加载数据但由于内存不足而失败

data_phone=[]
with open('data.json', 'r', encoding="UTF-8") as f:
    numbers = ijson.items(f, 't',multiple_values=True)
    for num in numbers :
        data_phone.append(num)

显示错误

Out of memory

我换个方式试试

进口json fb_data={} 我=1

with open('output.csv', 'w') as csv_file:
    with open("Vietnam_Facebook_Scrape.json", encoding="UTF-8") as json_file:
        for line in json_file:
            data = json.loads(line)
            try:
                csv_file.write('; '.join([str(i),"/",data["t"],data["fbid"]]))
            except:
                pass

然后我从 csv 转换为 sql，它仍然显示错误“MemoryError:”

con = db.connect("fbproject.db")
cur = con.cursor()
with open('output.csv', 'r',encoding="UTF-8") as csv_file:
    for item in csv_file:
        cur.execute('insert into fbdata values (?)', (item,))
con.commit()
con.close()

感谢阅读

Answer 1

您的建议是：

第 1 步读取 json 文件
第 2 步加载到数据帧
第 3 步将文件另存为 csv
第 4 步将 csv 加载到 sql
第5步加载数据到django进行搜索

你的第二个例子的问题是你仍然使用全局列表（data_phone，data_name），它会随着时间的推移而增长。

对于大文件，您应该尝试以下方法：

第 1 步阅读 json
- 逐行
- 不将任何数据保存到全局列表中
- 直接将数据写入SQL
第 2 步向数据库添加索引
第 3 步使用来自 django 的 SQL

您无需向 CSV 写入任何内容。如果你真的想，你可以简单地逐行写入文件：

import json
with open('output.csv', 'w') as csv_file:
    with open("Vietnam_Facebook_Scrape.json", encoding="UTF-8") as json_file:
        for line in json_file:
            data = json.loads(line)
            csv_file.write(';'.join([data['id'], data['t']]))

这里有一个问题可能会帮助您 (Python and SQLite: insert into table)，以便逐行写入数据库。

如果您想改用 CSV，请确保用于将 CSV 转换为 SQL 的程序不会读取整个文件，而是逐行或批量解析它。

将 3.7GB 的大型 json 文件加载到数据框中，并使用 ijson 转换为 csv 文件

Load a large json file 3.7GB into dataframe and convert to csv file using ijson

python

django

database

sqlite

ijson