怎么把一个大数据集切出一小部分来做实验

2018-01-10 10:22:33 +08:00
 DongDongXie

RT。 Yelp 官网上面那个数据及太大了，信息比较全，要是全加载的话，机器会卡死，那么怎么样从里面取一小部分数据出来做实验啊，请问怎么做比较靠谱。

2030 次点击
所在节点    程序员
4 条回复
PythonAnswer
2018-01-10 10:25:22 +08:00
头 1000 条尾 1000 条
wayne1027
2018-01-10 10:29:57 +08:00
随机 100 万
Morriaty
2018-01-10 13:46:03 +08:00
如果是和数据分布无关的操作，就随机抽呗，比如 Python 就是 generator 每隔一万行 yield 一个。

如果是和数据分布有关，比如 1T 文件的排序，那你要有采样的过程。
likuku
2018-01-10 18:46:20 +08:00
head -n XXXX src.data.txt >> test.data.txt

这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/421600

V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX