处理大文件需流式读取与增量计算：按行读取最稳妥，分块读取适用于无行结构文件，生成器封装提升复用性，结合csv.dictreader、itertools.islice、welford算法等实现高效内存控制。
处理大文件时，不能一次性加载到内存，必须用流式读取配合增量计算。核心是“边读边算”，避免内存爆炸。
按行读取：最常用也最稳妥
文件逐行读取是Python处理大文本的默认推荐方式，内存占用只与单行长度相关，不随文件总大小线性增长。
- 用
for line in open(...)或更安全的with open(...) as f: for line in f: - 每读一行就做解析、过滤或累加，比如统计某字段出现次数、求和某列数值
- 避免用
f.readlines()或f.read()，它们会把整个文件载入内存
分块读取：适合二进制或无明确行结构的文件
当文件没有换行分隔（如日志合并体、自定义二进制格式），或单行极长导致解析压力大，可用固定字节数分块读取。
- 用
f.read(chunk_size)控制每次读取量，例如chunk_size = 8192（8KB） - 需自行处理块边界问题：比如一行被切在两块中间，可缓存末尾不完整行，拼到下一块开头
- 适用于 CSV 原始流、网络响应体、数据库导出二进制 dump 等场景
使用生成器封装逻辑：提升复用性和可读性
把流式读取和业务解析打包成生成器函数，既节省内存，又让主流程干净清晰。
立即学习“Python免费学习笔记（深入）”；
- 例如写一个
parse_log_lines(filepath)，yield 解析后的字典，而非原始字符串 - 后续直接用
sum(1 for item in parse_log_lines("access.log") if item["status"] == 500)统计错误数 - 生成器天然惰性求值，不会提前加载全部结果
结合标准库工具做增量计算
很多统计需求不需要全量数据驻留内存，用内置模块边读边更新状态即可。
-
csv.DictReader(f)支持流式读 CSV，配合for row in reader:即可 - 用
itertools.islice取前N条做采样，不用读完整个文件 - 数值类计算（均值、方差）可用 Welford 算法，在单次遍历中增量更新，无需存所有值
- 频次统计用
collections.Counter，但它本身会累积键值对——若唯一键过多，改用defaultdict(int)并设阈值丢弃低频项
不复杂但容易忽略：打开大文件时加上 buffering=8192 或指定编码（如 encoding="utf-8"），能减少解码开销和IO等待。
