当前位置：
python被称之为胶水语言，应用非常广泛，很多人可能都不知道Python编程也可以处理大数据，那么用Python编程如何进行处理大数据?处理技巧有哪些是北大青鸟的老师今天要给你解答的疑问。
1.文本处理效率
这里举例ascii定长文件,因为这个也并不是分隔符文件，所以打算采用列表操作实现数据分割。但是问题是处理20w条数据，时间急剧上升到12s。本以为是byte.decode增加了时间。遂去除decode全程bytes处理。但是发现效率还是很差。后用简单方式测试，首次运行，简单方式也要7.5秒100w次。
2.大文件读取效率
面对100w行的大数据，在测试了各种文件读取方法之后，我们得出以下结论：方式快，100w行全遍历2.7秒。基本上满足了大中型文件处理效率的需求。 如果将rb更改为r，则速度要慢6倍。 但是用这种方式处理文件，fLine是字节类型的。 但是python编程本身会断行，并且仍然可以以行为单位处理读取的内容。
3.python处理技巧
(1)对于字典
多使用iteritems()少使用items()，iteritems()返回迭代器：字典的items函数返回的是键值对的元组的列表,而iteritems使用的是键值对的generator，items当使用时会调用整个列表 iteritems当使用时只会调用值。
(2)列表处理
def fun(x):尽量选择集合、字典数据类型，千万不要选择列表，列表的查询速度会超级慢，同样的，在已经使用集合或字典的情况下，不要再转化成列表进行操作
(3)文件属性
如果遇到某个文件，其中有属性相同的，但又不能进行去重操作，没有办法使用集合或字典时，可以增加属性，比如将原数据重新映射出一列计数属性，让每一条属性具有唯一性，从而可以用字典或集合处理
(4)实用模块
Python编程数据统计分析技术，今后会在测试结果分析中用到，程序自动触发技术，可用于测试脚本程序的自动执行，读写文件技术，今后会用到测试数据的参数化和测试报告写作功能中，图表展示技术，在今后的测试框架中相关测试报告会用到，数据处理技术，今后测试脚本的测试数据处理过程可以用到。
以上的内容对于小白同学看的可能还是很不明白，不过没有关系，对于你不明白地方可以咨询北大青鸟校区的客服，我们很乐意为您解答疑问。
