更多>>关于我们

西安鲲之鹏网络信息技术有限公司从2010年开始专注于Web(网站)数据抓取领域。致力于为广大中国客户提供准确、快捷的数据采集相关服务。我们采用分布式系统架构,日采集网页数千万。我们拥有海量稳定高匿HTTP代理IP地址池,可以有效绕过各种反采集策略。

您只需告诉我们您想抓取的网站是什么,您感兴趣的字段有哪些,你需要的数据是哪种格式,我们将为您做所有的工作,最后把数据(或程序)交付给你。

数据的格式可以是CSV、JSON、XML、ACCESS、SQLITE、MSSQL、MYSQL等等。

更多>>官方微博

西安鲲之鹏
陕西 西安

加关注

  • 【经验分享】如何获取我查查App当前所选城市?
    adb pull /data/data/com.wochacha/shared_prefs/com.wochacha_preferences.xml ./com.wochacha_preferences.xml
    然后读取"SelectedCityName"属性。如图所示。 ​​​​
    发布时间:2019-01-18 14:09:15
  • 拼多多商品ID采集:Selenium + Mitmproxy ​​​​
    发布时间:2019-01-18 12:39:59
  • 【经验分享】SSH本地端口映射。场景如下:
    某Linux母机下有多台KVM虚拟机,虚拟机的VNC只开放了127.0.0.1的访问权限。如何远程连接这些VNC端口呢?

    可以使用SSH本地端口映射实现,在本地机执行如下命令:
    ssh -L 127.0.0.1:5901:127.0.0.1:5901 user@ip-of-linux-host
    解释一下:监听本地5901端口,将5901端口的连接重定向到ip-of-linux-host主机的127.0.0.1:5901端口。
    发布时间:2019-01-16 12:01:25
  • 【经验分享】KVM调整磁盘大小:
    1. 查看原磁盘大小。
    qemu-img info win7.img
    如图是80G。

    2. 增加10G。
    sudo qemu-img resize win7.img +10G

    3. 查看增加后的磁盘大小。
    qemu-img info win7.img
    如果是90G。

    4. 重启虚拟机,进入虚拟机磁盘管理再确认下。
    如图2所示,多了一个10GB的空闲分区。可以新建一个分区,也可以使用磁盘扩展将其合并到C盘。

    如果想要扩展指的分区的大小,可以使用virt-resize,具体请参考该文章:https://mike42.me/blog/how-to-resize-a-windows-vm-image-with-virt-resize
    发布时间:2019-01-16 11:37:01
  • 美团外卖菜品/商品月销量属性确定可以抓取(如图所示) ​​​​
    发布时间:2019-01-10 15:30:18
  • 【经验分享】KVM在Ubuntu下的安装配置 >>> http://www.site-digger.com/html/articles/20181229/693.html ​​​​
    发布时间:2019-01-09 16:03:18
  • 【经验分享】拼多多列表页商品最大可见数为1000个。
    如何测试Ajax动态分页列表的最大可翻页数?这个文章还是我3年前写的,后来时常用到。
    http://www.site-digger.com/html/articles/20150718/94.html ​​​​
    发布时间:2019-01-03 15:33:16
  • 【经验分享】安卓模拟器中需要先关闭物理键盘,才能正常使用ADB Keyboard。设置方法见附图。 ​​​​
    发布时间:2019-01-02 16:52:26
  • 常见安卓模拟器远程ADB监听端口(如图) ​​​​
    发布时间:2018-12-26 09:49:08
  • 【赞】pywebview是webview组件的轻量级跨平台原生封装,实现利用Web技术开发GUI应用  >>> 项目主页:https://github.com/r0x0r/pywebview  
    说明文档:https://pywebview.flowrl.com/  
    How to build cross platform Desktop GUI based apps with Python and web technologies and frameworks:https://www.techiediaries.com/python/how-to-build-cross-platform-desktop-gui-based-apps-with-python-and-web-technologies-and-frameworks/ ​​​​
    发布时间:2018-12-13 12:27:42
当前位置: 首页 > 技术文章 >
如何使用SPSS查看大CSV文件(超过100万行)?
发布时间:2017-02-08 来源:未知 浏览:

背景:Excel( Excel 2007-2016)最多仅能显示100万(1,048,576)行,那该如何查看超过100万行的大CSV文件呢?最好的方案是先将CSV文件导入数据库(这是鲲之鹏技术人员推荐的方案),例如MySQL,一旦导入到数据库我们就可以利用SQL语句很轻松的完成一系列复杂的查询和统计工作,可以说是一劳永逸。但是对于非技术人员来说,将一个大CSV文件导入MySQL也不是件容易的事(你可以按照鲲之鹏提供的CSV转MySQL教程完成该操作:http://www.site-digger.com/html/articles/20120525/34.html)。那有没有简单的方案呢?有,那就是使用SPSS。
 
关于SPSS的介绍请谷歌之。通俗地说就是一个界面类似Excel,能支持更多行数、功能强大的数据统计分析软件。
下面鲲之鹏的技术人员将演示如何用SPSS查看一个超过450万行数据的CSV文件(这是一个大众点评网8个城市的全品类商铺数据文件,字符编码是UTF-8)。
1)启动SPSS、设置好字符编码。
由于我们要查看的是UTF-8字符编码的CSV文件,我们需要将“编辑 -> 选项 -> 常规”中“数据和语法的字符编码”设置为Unicode,否则后面中文会显示为乱码。
2)启动“文本导入向导”:
打开 -> 文件 -> 数据,选择我们要查看的CSV文件(提示:需要将文件类型筛选器选择为*.*,否则你看不到CSV文件)。
3)接下来SPSS会弹出文本导入向导,如下图所示。
提示:如果在这里你看到的中文是乱码形式的,说明SPSS的字符编码你没设置正确,请参考步骤1完成。
“变量名称是否包含在文件的顶部”选择“”。
我们导入的是标准的逗号分隔符文件,分隔符选择“逗号”,文本限定符选择“双引号”。
一直下一步直至点击完成。这是数据导入工作将正式开始。
4)在SPSS的右下角可以查看到实时已导入的数据条数。提示:在导入未结束前已导入的数据如果显示为问号(如下图所示),不要担心,这是正常的,等导入完成就显示正确了。
5)导入完成。
后如下图所示,总行数超过了450万行。
6)SPSS数据分析功能小试牛刀:
统计大众点评上海市各类(根据一级分类统计)商户的分布,结果如下图所示
 
特别说明:该文章为鲲鹏数据原创文章 ,您除了可以发表评论外,还可以转载到别的网站,但是请保留源地址,谢谢!!(尊重他人劳动,我们共同努力)
☹ Disqus被Qiang了,之前的评论内容都没了。如果您有爬虫相关技术方面的问题,欢迎发到我们的问答平台:http://spider.site-digger.com/
QQ在线客服
欢迎咨询,点击这里给我发送消息。
欢迎咨询,点击这里给我发送消息。