Ordonner un très gros fichier .csv par ordre croissant d'une colonne [Résolu/Fermé]

Signaler
-
 Kikumachi -
Bonjour,

J'ai un fichier .csv dont l'une des colonnes stocke des identifiants numériques (du genre '331506924', '442109275', etc.) et, n'étant pas très familier avec les méthodes d'édition de fichiers par algorithme, je voudrais savoir s'il existe une méthode (rapide ?) pour ordonner ce fichier par ordre croissant des identifiants.

Le problème, c'est que ce fichier est absolument énorme (plus de 30 millions de lignes), je ne peux donc pas le traiter dans son entièreté avec un logiciel tableur type Excel ou LibreOffice Calc car leur capacité mémoire sature au bout d'un million de lignes.

Dans l'idéal, existe-t-il un tableur capable de gérer d'énormes quantités de données et qui possède une fonction interne de tri selon une colonne ? Ou bien, existe-t-il un programme Python capable de réaliser cette tâche ?

Merci d'avance pour votre réponse.

Cordialement,

1 réponse

Réponse 1 / 1
Messages postés
5473
Date d'inscription
mercredi 15 septembre 2004
Statut
Contributeur
Dernière intervention
18 février 2021
 925
Salut Kikumachi,

Tu devrais utiliser la bibliothèque 
pandas
de Python.

Disons que la colonne que tu veux trier est dénommée "col3", que ton fichier de départ est 
fichier.csv
, que celui-ci comporte une première colonne dénommée "col1" et que le fichier trié doit être 
new.csv
.

Le script Python pour lire le fichier csv, le trier et sauvegarder une version triée serait : 

import pandas

df = pandas.read_csv('fichier.csv', index_col='col1')
df = df.sort_values(by=['col3'], ascending=True)
df.to_csv('new.csv')

Dal
4
Merci
Merci

Quelques mots de remerciements seront grandement appréciés. Ajouter un commentaire

CCM 65492 internautes nous ont dit merci ce mois-ci

Afficher les 8 commentaires
Signaler

Après vérification, j'avais oublié de rajouter "delimiter = ';'" dans le script.

Je l'ai fait tourner et c'est bon, merci beaucoup pour votre aide !
Signaler
Messages postés
5473
Date d'inscription
mercredi 15 septembre 2004
Statut
Contributeur
Dernière intervention
18 février 2021
 925
de rien, bravo !

effectivement, par défaut, pandas utilise le délimiteur virgule 
,
pour le format CSV (CSV signifiant d'ailleurs "comma separated values")
Signaler

Merci encore !

Après, une autre question que je me pose : est-il possible de réaliser plusieurs tris de façon successive ?

Par exemple, vous pouvez observer que j'ai une colonne avec des valeurs temporelles (la colonne "DATE", remplie avec des sortes de timestamps). Si je voulais par exemple trier par ordre croissant d'identifiant, et que chaque groupe de lignes associé à un identifiant soit trié par ordre chronologique (timestamp croissant), devrais-je procéder de la façon suivante ?

- Faire un script capable de trier par ordre chronologique pour tous les identifiants et avoir un fichier trié par timestamp croissant, mais avec des identifiants mélangés
- Refaire un tri avec le script utilisé, de façon à ce que les lignes soient retriées par identifiant croissant tout en préservant implicitement le tri chronologique.

Merci d'avance
Signaler
Messages postés
5473
Date d'inscription
mercredi 15 septembre 2004
Statut
Contributeur
Dernière intervention
18 février 2021
 925
Non, tu peux directement faire des tris sur plusieurs colonnes avec pandas.

Comme cela : 

df = df.sort_values(['IDENTIFIANT', 'DATE'], ascending=[True, True])
Signaler

Je viens de tester et c'est exactement ce que je voulais, merci beaucoup !
Posez votre question