我的数据集太大，无法直接读入内存。而且我不想升级机器。根据我的阅读，HDF5 可能是适合我的问题的解决方案。但我不确定如何将数据帧迭代写入 HDF5 文件，因为我无法将 csv 文件作为数据帧对象加载。
所以我的问题是如何使用 python pandas 将大型 CSV 文件写入 HDF5 文件。
最佳答案
您可以使用 chunksize 参数分块读取 CSV 文件，并将每个 block 附加到 HDF 文件:
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()
关于python - 如何在 python 中将大型 csv 文件写入 hdf5？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/46620478/