我的数据集太大,无法直接读入内存。我也不想升级机器。从我的阅读资料来看,HDF5可能是解决我问题的合适方法。但我不知道如何迭代地将数据写入HDF5文件,因为我无法将csv文件作为dataframe对象加载。
因此,我的问题是如何将一个大型的CSV文件写入到HDF5文件中。
发布于 2017-10-07 13:11:44
您可以使用chunksize参数以块形式读取CSV文件,并将每个块追加到HDF文件中:
hdf_key = 'hdf_key'
df_cols_to_index = [...] # list of columns (labels) that should be indexed
store = pd.HDFStore(hdf_filename)
for chunk in pd.read_csv(csv_filename, chunksize=500000):
# don't index data columns in each iteration - we'll do it later ...
store.append(hdf_key, chunk, data_columns=df_cols_to_index, index=False)
# index data columns in HDFStore
store.create_table_index(hdf_key, columns=df_cols_to_index, optlevel=9, kind='full')
store.close()https://stackoverflow.com/questions/46620478
复制相似问题