标记数据时出错。 C错误：内存不足pandas python，大文件csv

Question

我有一个3.5 go的大型csv文件，我想用pandas来阅读它。

这是我的代码：

import pandas as pd
tp = pd.read_csv('train_2011_2012_2013.csv', sep=';', iterator=True, chunksize=20000000, low_memory = False)
df = pd.concat(tp, ignore_index=True)

我收到此错误：

pandas/parser.pyx in pandas.parser.TextReader.read (pandas/parser.c:8771)()

pandas/parser.pyx in pandas.parser.TextReader._read_rows (pandas/parser.c:9731)()

pandas/parser.pyx in pandas.parser.TextReader._tokenize_rows (pandas/parser.c:9602)()

pandas/parser.pyx in pandas.parser.raise_parser_error (pandas/parser.c:23325)()

CParserError: Error tokenizing data. C error: out of 

我的公羊的容量是8 Go。

Answer 1

试试这个兄弟：

mylist = []

for chunk in  pd.read_csv('train_2011_2012_2013.csv', sep=';', chunksize=20000):
    mylist.append(chunk)

big_data = pd.concat(mylist, axis= 0)
del mylist

Answer 2

您可以在调用csv文件时尝试设置error_bad_lines = False，即

import pandas as pd
df = pd.read_csv('my_big_file.csv', error_bad_lines = False)

Answer 3

此错误也可能由chunksize = 20000000引起。减少这个问题就解决了我的问题。在ℕʘʘḆḽḘ的解决方案中，chunksize也会减少，这可能已经成功了。