求助： Go 读取 2W 条记录的 CSV、EXCEL 文件，根据记录前 4 列（A B C D）去重，怎么实现效率比较高。

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 1968 天前的主题，其中的信息可能已经有所发展或是发生改变。

文件结构如下：

	|   A	|   B	|   C	|   D	|   E	|   F	|   G	|   H	|   I	|   J	|

	|  xx	|  xx	|  xx	|  xx	|  xx	|  xx	|  xx	|  xx	|  xx	|  xx	|
    
    	|  xx   |  xx	|  xx	|  xx	|  xx	|  xx	|  xx	|  xx	|  xx	|  xx	|

csv

文件

记录

13 条回复 • 2019-08-08 15:48:05 +08:00

rrfeng

2019-08-08 11:43:29 +08:00

awk '!a[$2$2$3$4]++' file.csv

自己设 -F 分隔符。

2w 条要啥效率

fatbear001

2019-08-08 11:48:34 +08:00

@rrfeng 额，在 go 程序中怎么实现啊？

SuperMild

2019-08-08 11:49:00 +08:00

2 万条……效率最高的就是你自己写起来最熟练最快的方法。

fatbear001

2019-08-08 11:51:11 +08:00

@SuperMild 现在想的是循环添加进 map 中。。

SuperMild

2019-08-08 11:52:55 +08:00

@fatbear001 直接写吧，很可能马上就搞定了。

rrfeng

2019-08-08 11:53:06 +08:00

@fatbear001
就这么写啊，你有问的功夫都写完了，并且运行了十万遍了。

如果有 2000w 还需要考虑一下效率问题……
如果怕行太长占内存就记录行号当索引，完了再读。

stanjia

2019-08-08 11:54:20 +08:00

@rrfeng awk 是正解～～～

8bit

2019-08-08 12:50:32 +08:00 via Android

不先估算下重复率吗？

loading

2019-08-08 13:01:32 +08:00 via Android

写一周，程序最后跑下来就是 1 分钟
写半天，程序最后跑下来就是 3 分钟

Vegetable

2019-08-08 13:26:30 +08:00

随便写了一个基于前 4 个元素拼接字符串和 map[string]struct{}去重的例子,在只有 4 列整数时,2w 行耗时 29ms.我觉得这玩意再怎么效率低也没有纠结的必要.

还是赶紧写吧

no1xsyzy

2019-08-08 15:25:02 +08:00

拜托 2w 就是 Python 效率也够的，可能拿 brainfuck 写效率都不是问题

reus

2019-08-08 15:46:41 +08:00

2 万行随便写啊

rockyou12

2019-08-08 15:48:05 +08:00

2w 你随便写都很快啦