标记数据时出错。 C 错误：pandas python 内存不足，大文件 csv

Question

我有一个 3.5 go 的大型 csv 文件，我想使用 Pandas 读取它。

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 ram 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

您可以尝试在调用 csv 文件时设置error_bad_lines = False ，即

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

Answer 3

此错误也可能是由chunksize=20000000引起的。 在我的情况下，减少解决了这个问题。 在 ℕʘʘḆḽḘ 的解决方案中，chunksize 也减少了，这可能已经完成了。

Answer 4

您可以尝试添加参数engine='python 。 它加载数据的速度较慢，但​​对我的情况有所帮助。