python - Pandas - 将大数据框切成 block

Question

我有一个大数据帧(>3MM 行)，我试图通过一个函数(下面的函数已大大简化)，但我不断收到 Memory Error 消息。

我想我将太大的数据帧传递给函数，所以我尝试:

1) 将数据帧切成更小的 block (最好按AcctName 切片)

2) 将数据帧传递给函数

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

我知道我的函数可以正常工作，因为它适用于较小的数据框(例如 40,000 行)。我尝试了以下操作，但未能成功将小数据帧连接回一个大数据帧。

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)

我如何设想拆分数据帧:

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框拆分为列表中包含的更小的数据框。

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

或者使用 numpy array_split，看这个 comment对于差异:

list_df = np.array_split(df, n)

您可以通过以下方式访问 block :

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

然后您可以使用 pd.concat 将其组装回一个数据帧。

按账户名

list_df = []

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