Pandas - 在块中切割​​大型数据帧

Question

我有一个大型数据帧（＆gt; 3MM行），我正在尝试通过一个函数（下面的一个很大程度上简化了），并且我不断收到Memory Error消息。

我认为我将太大的数据帧传递给函数，所以我试图：

1）将数据框切成较小的块（最好按AcctName切片）

2）将数据帧传递给函数

3）将数据帧连接回一个大型数据帧

def trans_times_2(df):
    df['Double_Transaction'] = df['Transaction'] * 2

large_df 
AcctName   Timestamp    Transaction
ABC        12/1         12.12
ABC        12/2         20.89
ABC        12/3         51.93    
DEF        12/2         13.12
DEF        12/8          9.93
DEF        12/9         92.09
GHI        12/1         14.33
GHI        12/6         21.99
GHI        12/12        98.81

我知道我的功能正常工作，因为它可以在较小的数据帧（例如40,000行）上工作。我尝试了以下方法，但是我将小型数据帧连接回一个大型数据帧是不成功的。

def split_df(df):
    new_df = []
    AcctNames = df.AcctName.unique()
    DataFrameDict = {elem: pd.DataFrame for elem in AcctNames}
    key_list = [k for k in DataFrameDict.keys()]
    new_df = []
    for key in DataFrameDict.keys():
        DataFrameDict[key] = df[:][df.AcctNames == key]
        trans_times_2(DataFrameDict[key])
    rejoined_df = pd.concat(new_df)

我如何设想拆分数据框：

df1
AcctName   Timestamp    Transaction  Double_Transaction
ABC        12/1         12.12        24.24
ABC        12/2         20.89        41.78
ABC        12/3         51.93        103.86

df2
AcctName   Timestamp    Transaction  Double_Transaction
DEF        12/2         13.12        26.24
DEF        12/8          9.93        19.86
DEF        12/9         92.09        184.18

df3
AcctName   Timestamp    Transaction  Double_Transaction
GHI        12/1         14.33        28.66
GHI        12/6         21.99        43.98
GHI        12/12        98.81        197.62

Answer 1

您可以使用列表推导将数据框拆分为列表中包含的较小数据帧。

n = 200000  #chunk row size
list_df = [df[i:i+n] for i in range(0,df.shape[0],n)]

您可以使用以下方式访问这些块：

list_df[0]
list_df[1]
etc...

然后，您可以使用pd.concat将其组装回一个数据帧。

按AcctName

list_df = []

for n,g in df.groupby('AcctName'):
    list_df.append(g)

Answer 2

我建议使用依赖项 more_itertools。它处理所有边缘情况，例如数据帧的不均匀分区，并返回一个迭代器，这将使事情变得更有效率。

from more_itertools import chunked
CHUNK_SIZE = 5

index_chunks = chunked(df.index, CHUNK_SIZE)

for ii in index_chunks:
   df.iloc[ii] # your dataframe chunk ready for use