我正在從 CSV 文件中讀取行并創(chuàng)建一個(gè)包含所有行的列表列表。最后我將列表的列表發(fā)送到 MySQL 數(shù)據(jù)庫。CSV 文件中約有 150 萬行。整個(gè)過程大約需要一分半鐘，這沒有問題，列表列表的大小也沒有問題。下面是從 CSV 文件中摘錄的示例，由于實(shí)際列數(shù)較多而進(jìn)行了簡(jiǎn)化：['AIDS mortality - Females', 'Rate', 'Females estimate', 'All countries', '03M49WLD', 1994, 0.110264]['AIDS mortality - Females', 'Rate', 'Females upper estimate', 'All countries', '03M49WLD', 1994, 0.120264]['HIV Incidence - males 15-24', 'Rate', 'Males (15-24)', 'upper estimate', 'Patigi', 'NGA_3_396', 2019, 0.00068]['AIDS mortality - Females', 'Rate', 'Females lower estimate', 'All countries', '03M49WLD', 1994, 0.100264]...挑戰(zhàn)在于我需要將給定“指標(biāo)”（第一個(gè)值）的估計(jì)值、上估計(jì)值和下估計(jì)值放入單個(gè)列表中，以便它們最終位于數(shù)據(jù)庫中的同一行。在此示例中，三行帶有AIDS mortality - Females. 數(shù)據(jù)庫表的每一行都有用于估計(jì)/下限/上限的列。這意味著我最終得到的數(shù)據(jù)庫行數(shù)僅為原始 CSV 文件行數(shù)的三分之一。讓事情變得復(fù)雜的是，我無法對(duì) CSV 文件中的三個(gè)相應(yīng)行（估計(jì)/上/下）可以找到的位置做出任何假設(shè)。這里它們?cè)谝黄鹗菫榱苏f明，但實(shí)際上它們可以相距一百萬行。我嘗試過暴力破解該問題，因此對(duì)于從 CSV 文件讀取的每個(gè)新行，掃描所有列表以查看所有其他值是否相同，除了估計(jì)值/上估計(jì)值/下估計(jì)值。如果是，則合并，如果不是，則創(chuàng)建新列表。然而，這是非常低效的并且花費(fèi)太長(zhǎng)時(shí)間。我覺得這里有一個(gè)技巧，經(jīng)驗(yàn)豐富的開發(fā)人員會(huì)知道優(yōu)化這個(gè)過程。