大文件csv中遍历所有列，如果一列中第二个数不为0，第三个数为-100，则删除该行

可以使用Python的pandas库来实现大文件csv中的行删除操作。可以按照以下步骤实现：

1. 使用pandas库的read_csv函数读取csv文件，使用chunksize参数来分块读取文件，避免将整个文件读入内存。

2. 遍历每个数据块，使用drop函数删除符合条件的行。

3. 将处理后的数据块写入新的csv文件中。

下面是一段示例代码，可以根据实际情况修改参数和条件：

import pandas as pd

# 读取csv文件，分块读取
for chunk in pd.read_csv('file.csv', chunksize=1000):
    # 删除符合条件的行
    chunk = chunk.drop((chunk.iloc[:, 1] != 0) & (chunk.iloc[:, 2] == -100))
    # 将处理后的数据块写入新的csv文件中
    chunk.to_csv('new_file.csv', mode='a', header=False, index=False)

其中，iloc[:, 1]表示选取所有行的第二列数据，iloc[:, 2]表示选取所有行的第三列数据。符号&表示逻辑与操作，|表示逻辑或操作。如果需要删除多个条件满足的行，可以在drop函数中使用多个条件并列，用符号|或&连接。注意，在删除行时，需要将处理后的数据块写入新的csv文件中，使用mode='a'表示追加写入，header=False表示不写入列名，index=False表示不写入行索引。

相关问题

大文件csv中遍历所有列pandas，如果一列中第二个数不为0，第三个数为-100，则删除该行

可以使用 Pandas 库中的 read_csv()方法读取大文件，然后使用 drop() 方法删除符合条件的行。

以下是代码示例：

import pandas as pd

# 读取大文件
chunksize = 10000
for chunk in pd.read_csv('large_file.csv', chunksize=chunksize):
    # 判断符合条件的行
    mask = (chunk.iloc[:, 1].astype(int) != 0) & (chunk.iloc[:, 2].astype(int) == -100)
    # 删除符合条件的行
    chunk.drop(chunk[mask].index, inplace=True)
    # 处理后的数据写入新的文件
    chunk.to_csv('new_file.csv', mode='a', header=False, index=False)

上述代码将大文件按照每次读取 10000 行的方式读取，然后遍历所有列。使用 iloc[] 方法选择第二列和第三列，利用 astype() 方法将这两列数据转换为 int 类型，然后使用逻辑运算符 & 和 != 判断符合条件的行。最后，使用 drop() 方法删除符合条件的行，并使用 to_csv() 方法将处理后的数据写入新的文件。

csv文件中遍历所有列，如果一列中第二个数不为0，第三个数为-100，则删除该行

可以使用Python中的csv模块来读取和操作csv文件。可以按照以下步骤实现对csv文件的操作：

1. 使用csv模块打开csv文件；
2. 读取csv文件中的每一行数据，并对每一行数据进行遍历；
3. 对于每一行数据，判断第二个数是否为0，第三个数是否为-100；
4. 如果第二个数不为0且第三个数为-100，则删除该行数据；
5. 最后将处理后的数据重新写入csv文件中。

下面是一份可能实现的Python代码，仅供参考：

import csv

# 读取csv文件
with open('data.csv', 'r') as file:
    reader = csv.reader(file)
    data = [row for row in reader]

# 遍历每一行数据，判断是否需要删除
for row in data:
    if row[1] != '0' and row[2] == '-100':
        data.remove(row)

# 将处理后的数据写入csv文件
with open('data_new.csv', 'w', newline='') as file:
    writer = csv.writer(file)
    writer.writerows(data)

需要注意的是，直接在遍历数据的过程中删除数据是有风险的，可能会导致遍历结果不准确。因此，建议将需要删除的数据先存储起来，在遍历完成后再进行删除。