我如何使用pandas readcsv阅读10分钟有趣的文章

Question

我有一个包含日期和时间的文件，我不需要完整的读数，我只需要在特定的时间间隔读取数据，是否可以只在特定的时间间隔读取数据?间隔必须从第一个日期和时间开始，这里是0.004 - 10 -12 06:54:52，我只需要10分钟后的下一个读数

  Tran        Tran        Vert        Vert        Long        Long        Geo   
              Peak        Freq        Peak        Freq        Peak        Freq        PVS   
  Time        in/s         Hz         in/s         Hz         in/s         Hz         in/s  
2017-10-12
06:54:52    0.004       N/A         0.012       4.0         0.006       N/A         0.012   
07:09:52    0.004       5.2         0.011       3.9         0.005       32          0.012   
07:24:52    0.004       8.0         0.025       9.7         0.007       8.0         0.026   
07:39:52    0.004       6.4         0.025       9.0         0.007       10          0.026   
07:54:52    0.005       >100        0.020       8.5         0.007       34          0.020   
08:09:52    0.006       8.0         0.014       7.8         0.006       16          0.014   
08:24:52    0.004       5.1         0.012       3.9         0.006       10          0.013   
08:39:52    0.004       6.2         0.012       6.4         0.006       6.0         0.012   
08:54:52    0.004       7.6         0.015       5.6         0.007       5.1         0.015   
09:09:52    0.003       10          0.011       6.1         0.006       32          0.012   
09:24:52    0.005       6.2         0.016       8.4         0.007       6.2         0.016   
09:39:52    0.004       7.8         0.012       9.5         0.007       9.8         0.012   
09:54:52    0.007       7.4         0.017       5.2         0.006       5.1         0.017   
10:09:52    0.005       5.7         0.013       6.6         0.006       16          0.014   
10:24:52    0.004       6.5         0.013       4.7         0.007       6.1         0.013   
10:39:52    0.005       8.0         0.017       10          0.007       6.0         0.017   
10:54:52    0.004       47          0.019       8.5         0.006       10          0.019   
11:09:52    0.005       7.4         0.016       9.1         0.006       7.8         0.016   
11:24:52    0.004       5.2         0.013       5.8         0.006       3.1         0.014   
11:39:52    0.006       8.5         0.013       10          0.010       4.3         0.013   
11:54:52    0.006       7.4         0.027       9.5         0.010       6.6         0.027   
12:09:52    0.003       51          0.011       2.6         0.006       32          0.011   
12:24:52    0.003       85          0.011       2.0         0.006       15          0.012   
12:39:52    0.005       12          0.018       7.5         0.007       5.3         0.018   
12:54:52    0.006       11          0.027       9.3         0.007       5.4         0.027   
13:09:52    0.010       18          0.016       6.1         0.007       12          0.017   
13:24:52    0.006       6.7         0.015       5.7         0.007       4.5         0.015   
13:39:52    0.004       11          0.018       7.6         0.007       5.1         0.018   
13:54:52    0.005       6.4         0.021       6.9         0.008       7.6         0.022   
14:09:52    0.005       6.0         0.014       5.0         0.006       7.5         0.015   
14:24:52    0.005       6.8         0.012       6.8         0.006       16          0.013   
14:39:52    0.007       8.3         0.016       6.6         0.006       7.4         0.017   
14:54:52    0.007       6.4         0.018       7.1         0.006       5.2         0.018   
15:09:52    0.005       8.5         0.012       6.6         0.006       30          0.012   
15:24:52    0.004       8.1         0.012       3.5         0.006       16          0.012   
15:39:52    0.008       6.6         0.026       6.2         0.008       4.6         0.026   
15:54:52    0.009       6.6         0.022       8.5         0.006       28          0.023   
16:09:52    0.007       5.4         0.011       6.8         0.006       6.1         0.011   
16:24:52    0.003       51          0.011       2.4         0.006       47          0.011   
16:39:52    0.003       73          0.010       1.9         0.006       32          0.010   
16:54:52    0.003       >100        0.011       2.9         0.006       30          0.011   
16:59:59    0.003       37          0.010       2.3         0.005       10          0.010    

Answer 1

下面是您可以在read_csv中设置的所有可能变量的列表

http://pandas.pydata.org/pandas-docs/version/0.18.0/generated/pandas.read_csv.html

特别是，我建议您将注意力集中在"chunksize“命令上，该命令设置要读取的默认行数，并在一种指针中”转换“df变量，该指针仅通过使用for循环为您提供正确的值，如下所示：

df = pd.read_csv(pathFile, chunksize = 20)

for chunk in df:
    print chunk

或者，您可以使用"skiprows“和"nrows”变量，如下所示：

df = pd.read_csv(pathFile, skiprows = 40, nrows = 20 )

如果你尝试尝试这些变量，我相信你可能能够自己找到解决方案！