我有几个.parquet文件,每个文件的形状为
起初,我尝试了:
这导致我内存不足。我的系统配备了12个核心和32GB的内存。我认为可以更高效一些,尝试循环遍历并删除不再需要的文件:
(1126399, 503)
,大小为13MB。据我所知和从我读到的内容来看,这应该可以在本地机器上处理得很好。我试图将它们保存到pandas dataframe中进行一些分析,但是做这件事情时遇到了困难。将它们保存为CSV文件太昂贵了,因为文件会变得非常大,而直接加载多个数据帧然后连接它们会导致内存错误。我从未使用过.parquet文件,不确定最佳的前进道路是什么,或者如何使用这些文件来实际进行一些数据分析。起初,我尝试了:
import pandas as pd
import pyarrow.parquet as pq
# This is repeated for all files
p0 = pq.read_table('part0.parquet') # each part increases python's memory usage by ~14%
df0 = part0.to_pandas() # each frame increases python's memory usage by additional ~14%
# Concatenate all dataframes together
df = pd.concat([df0, df1, df2, df3, df4, df6, df7], ignore_index=True)
这导致我内存不足。我的系统配备了12个核心和32GB的内存。我认为可以更高效一些,尝试循环遍历并删除不再需要的文件:
import pandas as pd
# Loop through files and load into a dataframe
df = pd.read_parquet('part0.parquet', engine='pyarrow')
files = ['part1.parquet', 'part2.parquet', 'part3.parquet'] # in total there are 6 files
for file in files:
data = pd.read_parque(file)
df = df.append(data, ignore_index=True)
del data
很不幸,这两种方法都没有起作用。非常感谢您提供的任何帮助。