以下是一些标题选项，每个标题选项都强调解决方案的不同方面： 聚焦问题： * 如何在没有内存错误的情况下处理大型 Pandas DataFrame？ * Pandas 中的内存错误：

对大型 Pandas 数据帧进行切片

问题：

尝试通过函数导致内存错误，表明数据帧大小过大。目标是：

1. 将数据帧分成更小的段。
2. 迭代函数内的更小的块。
3. 将处理后的段合并到单个数据帧中。

解决方案：

按行数切片

可以使用 list 来完成按固定行数的分割来自 numpy 的理解或 array_split：

<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>

按 AcctName 切片

按特定列值进行切片，例如 AcctName：

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

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

合并

大数据帧被切片后，可以使用 pd.concat 重新组装：

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

以上是以下是一些标题选项，每个标题选项都强调解决方案的不同方面： 聚焦问题： * 如何在没有内存错误的情况下处理大型 Pandas DataFrame？ * Pandas 中的内存错误：的详细内容。更多信息请关注PHP中文网其他相关文章！