以下是一些標題選項，每個標題選項都強調解決方案的不同方面： 聚焦問題： * 如何在沒有記憶體錯誤的情況下處理大型 Pandas DataFrame？ * Pandas 中的記憶體錯誤：

切片大型Pandas 資料幀

問題：

問題：

2. 問題：
3. 錯誤，表示資料幀大小過大。目標是：

將資料幀分成更小的段。

迭代函數內的較小的區塊。

將處理後的段合併到單一資料幀中。

解：

<code class="python">n = 200000  # Chunk row size
list_df = [df[i:i + n] for i in range(0, df.shape[0], n)]</code>

<code class="python">list_df = np.array_split(df, math.ceil(len(df) / n))</code>

以行數切片

可以使用list 來完成固定行數的分割來自numpy 的理解或array_split：

<code class="python">list_df = []

for n, g in df.groupby('AcctName'):
    list_df.append(g)</code>

按AcctName 切片

以特定列值切片，例如AcctName：

<code class="python">consolidated_df = pd.concat(list_df)</code>

以特定列值進行切片，例如AcctName：合併大數據幀被切片後，可以使用pd.concat 重新組裝：

以上是以下是一些標題選項，每個標題選項都強調解決方案的不同方面： 聚焦問題： * 如何在沒有記憶體錯誤的情況下處理大型 Pandas DataFrame？ * Pandas 中的記憶體錯誤：的詳細內容。更多資訊請關注PHP中文網其他相關文章！