[英]Error tokenizing data. C error: out of memory pandas python, large file csv
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。
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
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)
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。
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。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.