我想把一個列數相當多的csv檔案
把裡面重複的列數給刪除掉
我只能想到這種寫法:
import csv
rows = []
a = 0
o = open("output.csv","w")
f = open("input.csv","r")
for row in csv.reader(f):
rows.append(row[0]+","+row[1]+","+row[2]+","+row[3]+","+row[4]+","+row[5]+","+row[6]+","+row[7]+","+row[8]+","+row[9]+","+row[10])
for i in set(rows):
o.write(i+"\n")
f.close()
o.close()
但由於行數非常多，資料量也大(csv檔案約400mb)
因此全部跑完可能需要五天(有寫個計數器來大約計算過，為了節省空間沒列出來)
想請問有沒有更有效率的寫法

如果重複的資料很多，應該可以不用先把資料放到list內提供一個做法也許不見得會變快 XDimport csvuniqueSet = set()o = open("output.csv","w")f = open("input.csv","r")for row in csv.reader(f):line = ",".join(row)if line not in uniqueSet:o.write(line + "\n")uniqueSet.add(line)f.close()o.close()有時候性能瓶頸是在硬碟本身，可以看看 CPU 是否有吃滿畢竟 400mb 的 CSV 要跑到五天真的有點久了些...避免先放到 list 再轉，至少可以省掉一次 O(n) 的浪費

不考慮用shell的sort -n < input.csv | uniq > output.csv ?

推 yjcl 的做法，雖然會動到資料先後順序，但非常優雅!