標記數據時出錯。 C 錯誤：pandas python 內存不足，大文件 csv

Question

我有一個 3.5 go 的大型 csv 文件，我想使用 Pandas 讀取它。

這是我的代碼：

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)

我收到此錯誤：

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

試試這個兄弟：

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

您可以嘗試在調用 csv 文件時設置error_bad_lines = False ，即

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

Answer 3

此錯誤也可能是由chunksize=20000000引起的。 在我的情況下，減少解決了這個問題。 在 ℕʘʘḆḽḘ 的解決方案中，chunksize 也減少了，這可能已經完成了。

Answer 4

您可以嘗試添加參數engine='python 。 它加載數據的速度較慢，但​​對我的情況有所幫助。