熊猫- 分成块来切割大型数据框

Question

我有一个很大的数据框（>；3m m行），我正试图通过一个函数（下面的一个函数很大程度上简化了），我一直收到一条Memory Error消息。

我认为我向函数传递的数据帧太大，所以我试图：

1）将数据帧分割成更小的块（最好由AcctName分割）

2）将数据帧传递到函数中

3）将数据帧连接回一个大数据帧

def trans_times_2(df):
    df['Double_Transaction'] = df['Transaction'] * 2

large_df 
AcctName   Timestamp    Transaction
ABC        12/1         12.12
ABC        12/2         20.89
ABC        12/3         51.93    
DEF        12/2         13.12
DEF        12/8          9.93
DEF        12/9         92.09
GHI        12/1         14.33
GHI        12/6         21.99
GHI        12/12        98.81

我知道我的函数工作正常，因为它将在较小的数据帧（例如40000行）上工作。我尝试了以下操作，但将小数据帧连接回一个大数据帧失败。

def split_df(df):
    new_df = []
    AcctNames = df.AcctName.unique()
    DataFrameDict = {elem: pd.DataFrame for elem in AcctNames}
    key_list = [k for k in DataFrameDict.keys()]
    new_df = []
    for key in DataFrameDict.keys():
        DataFrameDict[key] = df[:][df.AcctNames == key]
        trans_times_2(DataFrameDict[key])
    rejoined_df = pd.concat(new_df)

我如何设想要拆分的数据帧：

df1
AcctName   Timestamp    Transaction  Double_Transaction
ABC        12/1         12.12        24.24
ABC        12/2         20.89        41.78
ABC        12/3         51.93        103.86

df2
AcctName   Timestamp    Transaction  Double_Transaction
DEF        12/2         13.12        26.24
DEF        12/8          9.93        19.86
DEF        12/9         92.09        184.18

df3
AcctName   Timestamp    Transaction  Double_Transaction
GHI        12/1         14.33        28.66
GHI        12/6         21.99        43.98
GHI        12/12        98.81        197.62

Answer 1

您可以使用列表理解将数据帧拆分为包含在列表中的较小数据帧。

n = 200000  #chunk row size
list_df = [df[i:i+n] for i in range(0,df.shape[0],n)]

您可以通过以下方式访问块：

list_df[0]
list_df[1]
etc...

然后，可以使用pd.concat将其重新组装到一个数据帧中。

按帐户名

list_df = []

for n,g in df.groupby('AcctName'):
    list_df.append(g)