我有一个分区的镶木地板数据集,我试图将其读入pandas数据框。完整的镶木地板数据集无法容纳到内存中,因此我只需要选择一些分区(分区列为Year,Month和Date。我有以下内容:
pd.read_parquet(
path_to_dataset,
filters=[("Date", ">=", "20200715"), ("Date", "<=", "2020804")]
)
运行此命令时,出现内存错误/ python程序崩溃。但是,当我运行以下命令时,即使从理论上讲它也将返回完全相同的数据量(我的数据集在第4个位置停止),但它没有问题。
pd.read_parquet(
path_to_dataset,
filters=[("Date", ">=", "20200715")]
)
似乎第二个过滤器("Date", "<=", "2020804")
优先于第一个过滤器,而不被视为复合表达式。在我当前的用例中,我可以删除第二个过滤器,但是我还有其他一些地方,其数据将更多地位于总范围的中间,如果没有第二个过滤器,最终我将再次读取过多的数据。
我没有运气就尝试过以下各项。
(("Date", ">=", "20200715") & ("Date", "<=", "2020804"))
("Date", ">=", "20200715", "Date", "<=", "2020804")
是否可以在同一分区/列上处理复合表达式?
答案 0 :(得分:3)
“ 2020804”似乎不是有效日期,您缺少零。