Python 或 pandas 怎么读取 1g 的大 json 文件？

提取其中需要的键值对进 pandas，比如"ABC1_ECM":["1","1","1","1","1"] 中的 ABC1_ECM 作为表头，列表作为数据

如果要一次性装载 1G 大小的 json 在内存中分析 感觉会很卡很慢
试过用 python 加载 200M 左右的文本文件约 1000 万行数据，用传说中的大数据清洗工具 flashtext 替换一个字词超过半个钟（不知道是不是姿势不太对），只能放弃

不知道大文本 /大数据清洗到底该用什么趁手工具或者库？

这么大的话，我会选择先搞进 mongodb，顺便把常用的索引也做了。

这个大小就不应该用 json 存吧。。格式固定的话，自己逐行读取解析吧

使用 json stream parser 如果是 node，可以看看这个库：JSONStream。其它语言的自己搜索下

先存到 mongo 或者 redis 里然后再读吧

按照行读，设置 chunk size ？然后 for 处理咯

1G 不大，开多几个进程切片就好了，想快就开 spark

用 hive，create external table
然后用 spark sql 读

这么规整的文件，是否可以考虑尝试当做 csv 来读？ read_csv 的 sep 参数支持正则的。

pyspark 读完写入数据库
轻轻松松

这么大，来看看别人怎么说

分情况，内存状况是否允许一次性载入内存

- 允许：一把梭，小文件怎么搞，这个一样搞，无非费点内存
- 不允许：使用 Stream API 读取，避免一次性载入内存

真心太大了。还先想想把它导入数据库把。

流式解析，流式写入即可

python 不熟悉，关键字 python stream json 搜索到的库：

https://github.com/danielyule/naya

http://explique.me/Ijson/

同楼上，可以通过 stream 来解析；
不过我好奇这文件怎么来的，而且用 Json 来传输这么大的数据损耗太严重了，用其他二进制格式的话，数据大小可以减小好几倍；再分析下数据的规律，其实还有很大的压缩空间。

这个 json 的 py 内存表示 可能比 json 字符串本身大不少

pandas 不是有 read_json 函数么……没用过，但是印象里 pandas 的解析器大多是 C 版的，效率应该不差。

我这里有个 96g 的 json。。。