從資料庫建立大型 Pandas DataFrame 時如何避免記憶體錯誤？

使用大型資料庫和 Pandas DataFrame 時管理記憶體

處理大型資料庫並將其直接載入 Pandas DataFrame 通常會導致記憶體錯誤。 雖然較小的查詢可能有效，但超過系統記憶體容量會導致問題。 幸運的是，Pandas 提供了處理此類資料集的有效解決方案。

區塊大小迭代器方法

與處理大型 CSV 檔案類似，Pandas 的 read_sql 函數提供 iterator 和 chunksize 參數。設定 iterator=True 並指定 chunksize 允許以可管理的部分處理資料庫查詢。

程式碼範例：

<code class="language-python">import pandas as pd

sql = "SELECT * FROM MyTable"
chunksize = 10000  # Adjust as needed

for chunk in pd.read_sql_query(sql, engine, chunksize=chunksize):
    # Process each chunk individually</code>

這種迭代方法透過以較小的受控增量處理資料來防止記憶體過載。

處理非常大資料集的其他策略

如果 chunksize 方法不夠，請考慮以下替代方法：

• 直接 SQL 查詢： 使用資料庫的驅動程式執行查詢並直接從資料庫中小批量檢索資料。
• 批次查詢：將整個查詢分解為多個較小的、有針對性的查詢，並批量處理其結果。
• 外部檔案儲存：將資料查詢成區塊的檔案格式，例如CSV，然後根據需要將檔案載入到Pandas中。 這可以避免將整個資料集一次保存在記憶體中。

以上是從資料庫建立大型 Pandas DataFrame 時如何避免記憶體錯誤？的詳細內容。更多資訊請關注PHP中文網其他相關文章！