我在尝试使用dask处理较大数据集的相对较小的子集时收到以下错误消息。我在运行dask的GridSearchCV实现时首先开始收到此错误消息。但是，当我尝试通过将数据帧写入磁盘来解决它时。错误消息如下，然后是我尝试运行的代码。
Traceback（最近一次呼叫最后一次）：
文件“C：\ Program Files（x86）\ JetBrains \ PyCharm 2017.1 \ helpers \ pydev \ pydevd.py”，第1578行，
globals = debugger.run（setup ['file']，None，None，is_module）
文件“C：\ Program Files（x86）\ JetBrains \ PyCharm 2017.1 \ helpers \ pydev \ pydevd.py”，第1015行，在运行中
pydev_imports.execfile（文件，全局，本地）＃执行脚本
文件“C：/ Users / Evan / Git / Data_Analysis_for_Exp / SEER Data / SEER_ML.py”，第73行，
data.to_csv（ 'data_frame _ *。CSV'）
文件“C：\ Anaconda2 \ lib \ site-packages \ dask \ dataframe \ core.py”，第957行，在to_csv中
返回to_csv（self，filename，** kwargs）
文件“C：\ Anaconda2 \ lib \ site-packages \ dask \ _ dataframe \ io \ csv.py”，第445行，在to_csv中
延迟（值）.compute（GET = GET）
文件“C：\ Anaconda2 \ lib \ site-packages \ dask \ base.py”，第95行，计算中
（result，）= compute（self，traverse = False，** kwargs）
文件“C：\ Anaconda2 \ lib \ site-packages \ dask \ base.py”，第202行，计算中
results = get（dsk，keys，** kwargs）
文件“C：\ Anaconda2 \ lib \ site-packages \ dask \ threaded.py”，第76行，获取 ** kwargs）
get_async中的文件“C：\ Anaconda2 \ lib \ site-packages \ dask \ async.py”，第500行 raise（remote_exception（res，tb））
dask.async.MemoryError：
回溯
文件“C：\ Anaconda2 \ lib \ site-packages \ dask \ async.py”，第266行，在execute_task中
result = _execute_task（任务，数据）
文件“C：\ Anaconda2 \ lib \ site-packages \ dask \ async.py”，第247行，在_execute_task中
return func（* args2）
文件“C：\ Anaconda2 \ lib \ site-packages \ dask \ _ dataframe \ io \ csv.py”，第55行，pandas_read_text
df =读者（生物，** kwargs）
文件“C：\ Anaconda2 \ lib \ site-packages \ pandas \ io \ parsers.py”，第646行，在parser_f中
return _read（filepath_or_buffer，kwds）
文件“C：\ Anaconda2 \ lib \ site-packages \ pandas \ io \ parsers.py”，第401行，在_read
data = parser.read（）
文件“C：\ Anaconda2 \ lib \ site-packages \ pandas \ io \ parsers.py”，第957行，阅读
df = DataFrame（col_dict，columns = columns，index = index）
文件“C：\ Anaconda2 \ lib \ site-packages \ pandas \ core \ frame.py”，第266行， init
mgr = self._init_dict（数据，索引，列，dtype = dtype）
文件“C：\ Anaconda2 \ lib \ site-packages \ pandas \ core \ frame.py”，第402行，在_init_dict
return _arrays_to_mgr（arrays，data_names，index，columns，dtype = dtype）
文件“C：\ Anaconda2 \ lib \ site-packages \ pandas \ core \ frame.py”，第5408行，在_arrays_to_mgr
返回create_block_manager_from_arrays（arrays，arr_names，axes）
文件“C：\ Anaconda2 \ lib \ site-packages \ pandas \ core \ internals.py”，第4262行，在create_block_manager_from_arrays中
blocks = form_blocks（数组，名称，轴）
文件“C：\ Anaconda2 \ lib \ site-packages \ pandas \ core \ internals.py”，第4331行，form_blocks
float_blocks = _multi_blockify（float_items）
文件“C：\ Anaconda2 \ lib \ site-packages \ pandas \ core \ internals.py”，第4408行，_multi_blockify
values，placement = _stack_arrays（list（tup_block），dtype）
文件“C：\ Anaconda2 \ lib \ site-packages \ pandas \ core \ internals.py”，第4451行，_stack_arrays
stacked = np.empty（shape，dtype = dtype）
data = dataframe.read_csv("Data_Set_for_ML.csv", dtype={'colx': float, 'coly': float,'colz': float})
targets = data['target_col']
drop_these_too = ['target_col', "related_col1", "PID", "related_col2"]
drops = [key for key in list(list_of_features) if key not in
list(selected_features) and key not in drop_these_too]
data = data.drop(drops, axis=1)
for col in list(data.columns):
data[col].astype(float)
data.fillna(-9)
data.to_csv('data_frame_*.csv')