下面的討論基于的假定：可以單獨處理一行數(shù)據(jù)，行間數(shù)據(jù)相關性為零。

方法一：

僅使用 Python 內(nèi)置模板，逐行讀取到內(nèi)存。

使用 yield，好處是解耦讀取操作和處理操作：

def python_read(filename):
   with open(filename,'r',encoding='utf-8') as f:
       while  True:
           line = f.readline()
           if not line:
               return
           yield line

以上每次讀取一行，逐行迭代，逐行處理數(shù)據(jù)

if __name__ == '__main__':
   g = python_read('./data/movies.dat')
   for c in g:
       print(c)
       # process c

方法二：

方法一有缺點，逐行讀入，頻繁的 IO 操作拖累處理效率。是否有一次 IO ，讀取多行的方法？

pandas 包 read_csv 函數(shù)，參數(shù)有 38 個之多，功能非常強大。

關于單機處理大文件，read_csv 的 chunksize 參數(shù)能做到，它被設置為 5， 意味著一次讀取 5 行。

def pandas_read(filename,sep=',',chunksize=5):
   reader = pd.read_csv(filename,sep,chunksize=chunksize)
   while  True:
       try:
           yield reader.get_chunk()
       except StopIteration:
           print('---Done---')
           break

使用如同方法一：

if __name__ == '__main__':
   g = pandas_read('./data/movies.dat',sep="::")
   for c in g:
       print(c)
       # process c