用了两种.方式解决该问题，都是网上现有的解决方案。
场景说明：
有一个数据文件，以文本方式保存，现在有三列user_id,plan_id,mobile_id。目标是得到新文件只有mobile_id,plan_id。
解决方案
方案一：用python的打开文件写文件的方式直接撸一遍数据，for循环内处理数据并写入到新文件。
代码如下：
def readwrite1( input_file,output_file):
f = open(input_file, 'r')
out = open(output_file,'w')
print (f)
for line in f.readlines():
a = line.split(",")
x=a[0] + "," + a[1]+"
"
out.writelines(x)
f.close()
out.close()方案二：用 pandas 读数据到 DataFrame 再做数据分割，直接用 DataFrame 的写入功能写到新文件
代码如下：
def readwrite2(input_file,output_file): date_1=pd.read_csv(input_file,header=0,sep=',') date_1[['mobile', 'plan_id']].to_csv(output_file, sep=',', header=True,index=False)
从代码上看，pandas逻辑更清晰。
下面看下执行的效率吧！
def getRunTimes( fun ,input_file,output_file):
begin_time=int(round(time.time() * 1000))
fun(input_file,output_file)
end_time=int(round(time.time() * 1000))
print("读写运行时间：",(end_time-begin_time),"ms")
getRunTimes(readwrite1,input_file,output_file) #直接撸数据
getRunTimes(readwrite2,input_file,output_file1) #使用dataframe读写数据读写运行时间： 976 ms
读写运行时间： 777 ms
input_file 大概有27万的数据，dataframe的效率比for循环效率还是要快一点的，如果数据量更大些，效果是否更明显呢？
下面试下增加input_file记录的数量试试，有如下结果
| input_file | readwrite1 | readwrite2 |
| 27W | 976 | 777 |
| 55W | 19 | 1509 |
| 110W | 4312 | 3158 |
从上面测试结果来看,dataframe的效率提高大约30%左右。
下载本文