问题描述
我有一个具有以下结构的数据框式数据集，存储为磁盘上的大量csv文件：
[ target_col | timestamp_col | feature_1 | feature_2 | ... | feature_10000 ]
int32 int64 float64 float64 float64
我想将此数据加载到dask数据帧中，并将其拆分为'X_train,X_test,y_train,y_test'样式的分区，其中在timestamp列和{{1 }}数据帧由X以外的所有列组成。自然，target_col数据帧仅包含y。
我也想将此数据加载到LightGBM数据集中（尽管这是选项）。
这是我到目前为止所拥有的：
target_col但是，这有很高的峰值内存使用率（远大于数据集的总大小），我认为我在这里使用Dask并没有达到最高效率。是否有更好的方法来做到这一点，“降低峰值内存使用率的结果”会更好？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）