pandas数据量过大时卡慢

pandas数据量过大时卡慢

笔者在处理28w行数据,想将数据用python pandas库处理,发现卡住了。

未深入探索pandas机制。临时去掉该库的使用,手动维护一个结果集。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
当使用pandas的join操作时,如果涉及的数据较大,可能会导致内存占用过大的问题。这是因为join操作会一次性将所有数据加载到内存中,然后进行连接操作,而数据过大会超出内存的限制。 解决这个问题的方法有以下几种: 1. 减小数据:如果可能的话,可以通过筛选数据或者按照一定规则进行分割,使得单次join操作中的数据减小,从而降低内存占用。 2. 使用merge代替join:在某些情况下,可以使用pandas的merge函数来代替join操作。merge函数允许通过指定on参数来指定连接键,并且可以使用参数how来控制连接方式。相比之下,merge函数的内存占用通常比join要低,特别是在连接多个数据集时。 3. 使用逐块加载数据:如果数据非常大,无法一次加载到内存中,可以考虑使用逐块加载数据的方式。可以通过设置pandas的chunksize参数,将数据分块读取,然后进行连接操作,最后再将结果合并。 4. 使用Dask:Dask是一个灵活的并行计算库,可以在分布式环境中处理大规模数据集。可以使用Dask dataframe来代替pandas进行数据连接操作,Dask会将大规模数据集拆分为多个块,进行并行处理,从而减小内存占用。 总之,当pandas的join操作中遇到内存过大的问题时,可以考虑减小数据、使用merge代替join、逐块加载数据或者使用Dask来解决。根据具体情况选择合适的解决方案,以提高效率和降低内存占用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

王万林 Ben

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值