详细内容或原文请订阅后点击阅览
Pandas 和大型 DataFrames：如何分块读取
为什么重要：随着数据集平均越来越大，了解如何有效地处理内存中的数据可以提高您作为数据专业人员的工作效率和灵活性。了解如何在 Pandas 中处理这些数据将使您能够轻松地大规模管理数据。
来源:人工智能+简介
简介在数据科学中，您将面临许多具有挑战性的问题需要解决。您遇到的主要挑战领域之一是数据准备阶段。有效的数据科学很大程度上是学习如何有效地处理数据。处理数据的第一步是加载数据。听起来很简单，对吧？再想一想。在许多情况下，数据集太大，无法放入计算机的本地内存中。那么，如果您处理的数据集不适合本地内存，该怎么办？这就是分块发挥作用的地方。
在数据科学中，您将面临许多具有挑战性的问题需要解决。您遇到的主要挑战领域之一是数据准备阶段。有效的数据科学很大程度上是学习如何有效地处理数据。处理数据的第一步是 加载 加载 数据。听起来很简单，对吧？再想一想。在许多情况下，数据集太大，无法装入计算机的本地内存。那么，如果您处理的数据集无法装入本地内存，该怎么办？这就是分块发挥作用的地方。分块是将大型数据集拆分成小数据集。这允许您对适合计算机内存的较小量数据执行分析管道。下面您可以看到一个代表分块的总体思想及其解决的问题的图。
分块 分块 是将大型数据集拆分成小数据集。这允许您对适合计算机内存的较小量数据执行分析管道。下面您可以看到一个代表分块的总体思想及其解决的问题的图。另请阅读：长短期记忆 (LSTM) 简介
另请阅读：长短期记忆 (LSTM) 简介 另请阅读：长短期记忆 (LSTM) 简介 长短期记忆 (LSTM) 简介