Pandas处理超大规模数据

Posted 2022-02-03 geeksongs

对于超大规模的csv文件，我们无法一下将其读入内存当中，只能分块一部分一部分的进行读取；

  首先进行如下操作：

import pandas as pd
reader = pd.read_csv(‘data/servicelogs‘, iterator=True)

分块，每一块是一个chunk，之后将chunk进行拼接；

loop = True
chunkSize = 100000
chunks = []
while loop:
    try:
        chunk = reader.get_chunk(chunkSize)
        chunks.append(chunk)
    except StopIteration:
        loop = False
        print "Iteration is stopped."
df = pd.concat(chunks, ignore_index=True)