Внутри вашего компонента вы можете определить массив чисел (ES6), как описано ниже:
export class SampleComponent {
constructor() {
this.numbers = Array(5).fill().map((x,i)=>i); // [0,1,2,3,4]
this.numbers = Array(5).fill(4); // [4,4,4,4,4]
}
}
См. эту ссылку для создания массива: Тересный способ создания массива целых чисел от 1..20 в JavaScript .
Затем вы можете перебирать этот массив с помощью ngFor
:
@Component({
template: `
- {{number}}
`
})
export class SampleComponent {
(...)
}
Или в ближайшее время:
@Component({
template: `
- {{number}}
`
})
export class SampleComponent {
(...)
}
MySQL может импортировать файлы CSV очень быстро на таблицы с помощью LOAD DATA INFILE
команда. Это может также читать из файлов CSV непосредственно, обходя любые процедуры импорта, при помощи механизма устройства хранения данных CSV.
Импорт его на собственные таблицы с LOAD DATA INFILE
стоили запуска, но после этого Вы можете INSERT/UPDATE
намного быстрее, а также индексные поля. Используя CSV механизм устройства хранения данных почти мгновенен сначала, но только последовательное сканирование будет быстро.
Обновление: Эта статья (прокручивают вниз к разделу, назвала Мгновенные Загрузки Данных), переговоры об использовании обоих подходов к загрузке данных CSV на MySQL, и дает примеры.
ведист является великим для этого. Я обычно открываюсь 100 + meg (я знаю, что Вы сказали до одного концерта, я думаю, что они рекламируют на их сайте, который он может обработать дважды что), файлы с ним. Это имеет поддержку regex и загрузки других функций. 70 долларов являются дешевыми для суммы, которую можно сделать с ним.
GVim может обработать файлы, настолько большие бесплатно, если Вы не привязаны к истинной электронной таблице статическое представление размера поля.
ведист является великим, но не забывайте, что можно всегда возвращаться к "основам", проверяют Cygwin и начинают хватать.
Helpfull управляет
Это зависит от того, что Вы на самом деле хотите сделать с данными. Учитывая файл крупного текста как этот Вы обычно только хотите меньшее подмножество данных в любой момент, не пропускайте инструменты как 'grep' для того, чтобы вытащить части, которые Вы хотите искать и работать с.
Если можно вместить данные в память, и Вам нравится Python затем, я рекомендую проверить часть UniTable Augustus. (Правовая оговорка: Augustus является открытым исходным кодом (GPLv2), но я работаю на компанию, которая пишет это.)
Это очень хорошо не документируется, но это должно помочь Вам начать.
from augustus.kernel.unitable import *
a = UniTable().from_csv_file('filename')
b = a.subtbl(a['key'] == some_value) #creates a subtable
Это непосредственно не даст Вам Excel как интерфейс, но с определенной работой можно вывести много статистических данных быстро.