问题描述
我有一个xlsx
文件,具有11列,1500万行和198Mb的大小。熊猫永远需要阅读和工作。阅读了Stackoverflow answers之后,我切换到了dask
和modin
。但是,我在使用dask
时收到以下错误:
df = dd.read_csv('15Lacs.csv',encoding= 'unicode_escape')
c error :out of memory
。
使用modin['ray']
时出现以下错误:
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xa0 in position 112514: invalid start byte
在一般的硬件上,是否有更有效的方法将大型xlsx
或csv
文件导入python?
解决方法
如果您不熟悉,
df = dd.read_csv('15Lacs.csv',encoding= 'unicode_escape',blocksize="8MB")
如果你在熊猫里,
for batch in pd.read_csv('15Lacs.csv',chunksize=1000):
process(batch)
我猜您正在通过加载此文件以及大量其他东西并运行Windows来填补内存不足?